Question

目标是在月-年类别下提取df，而忽略其他。下面的代码是实现该目标的一种方式

df = DataFrame ( [['PP1', 'LN', 'T1', 'C11', 'C21', 'C31', 'C32']] )
df.columns =['dummy1','dummy2', 'Jan-20', 'Feb-20', 'Jan 2021', 'Feb 2080','Dec 1993']
extract_header_name=list(df.columns.values)
lookup_list= ['Jan', 'Feb', 'Mar','Apr', 'May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
month_year_list=[i for e in lookup_list for i in extract_header_name if e in i]

输出

['Jan-20', 'Jan 2021', 'Feb-20', 'Feb 2080', 'Dec 1993']

但是，我想知道是否可以使用另一个高效的模块或熊猫模块来实现类似的结果？

Answer 1

对正则表达式|使用str.contains和由or连接的值-表示Jan或Feb ...并由boolean indexing过滤与df.columns：

month_year_list = df.columns[df.columns.str.contains('|'.join(lookup_list))].tolist()
print (month_year_list)
['Jan-20', 'Feb-20', 'Jan 2021', 'Feb 2080', 'Dec 1993']

或将Series.str.startswith与转换列表转换为元组：

month_year_list = df.columns[df.columns.str.startswith(tuple(lookup_list))].tolist()

如果只有这两种日期时间格式，则是另一个想法：

s = df.columns.to_series()
s1 = pd.to_datetime(s, format='%b-%y', errors='coerce')
s2 = pd.to_datetime(s, format='%b %Y', errors='coerce')
month_year_list = df.columns[s1.fillna(s2).notna()].tolist()
print (month_year_list)
['Jan-20', 'Feb-20', 'Jan 2021', 'Feb 2080', 'Dec 1993']

Answer 2

使用df.filter选择列并提取其名称。

list(df.filter(regex='|'.join(lookup_list)).columns)

['Jan-20', 'Feb-20', 'Jan 2021', 'Feb 2080', 'Dec 1993']

如何有效地从熊猫的数据框标题中提取日期年份？

2 个答案: