主页 / coding / 问题 / 79162993
Accepted
ViSa
Asked: 2024-11-06 22:16:00 +0800 CST

如何根据 Pandas 中的部分列名选择列范围？

  • 772

我有 pandas 数据框，我正在尝试选择多列（列范围从 开始Test到Bio Ref）。选择必须从列开始Test到名称以 开头的任何列Bio。以下是示例数据框。

实际上它可以包含：

  1. 列之前的任意数量的列Test，
  2. Test&之间的任意列数Bio Ref，如 2、3、4、5 等。
  3. 之后有任意数量的列Bio Ref。
  4. Bio Ref列中可以包含后缀，但Bio Ref始终作为列名的开头。
df_chunk = pd.DataFrame({
    'Waste':[None,None],
    'Test':['something', 'something'],
    '2':[None,None],
    '3':[None,None],
    'Bio Ref':['2-50','15-100'],
    'None':[None,None]})

df_chunk

   Waste         Test      2       3  Bio Ref  None
0   None    something   None    None     2-50  None
1   None    something   None    None   15-100  None

我已尝试过以下有效的代码：

df_chunk.columns.str.startswith('Bio')

df_chunk[df_chunk.columns[pd.Series(df_chunk.columns).str.startswith('Bio')==1]]

问题：但是当我尝试使用它们进行多列选择时，它不起作用：

df_chunk.loc[:, 'Test':df_chunk.columns.str.startswith('Bio')]
python

2 个回答

  1. Best Answer

    您可以为布尔索引创建掩码：

    m1 = np.maximum.accumulate(df_chunk.columns=='Test')
# array([False,  True,  True,  True,  True,  True])
m2 = np.maximum.accumulate(df_chunk.columns.str.startswith('Bio')[::-1])[::-1]
# array([ True,  True,  True,  True,  True, False])

# m1 & m2
# array([False,  True,  True,  True,  True, False])

out = df_chunk.loc[:, (m1&m2)]

    或者识别正确的名称来构建切片：

    start = 'Test'
end = next(iter(df_chunk.columns[df_chunk.columns.str.startswith('Bio')]), None)

out = df_chunk.loc[:, slice(start, end)]

    输出：

            Test     2     3 Bio Ref
0  something  None  None    2-50
1  something  None  None  15-100
    • 1

  2. re.match从标准库中使用re如下：

    import re
import pandas as pd
idxs = [i for i, el in enumerate(df_chunk.columns)
        if el == 'Test' or re.match(r'^Bio', el)]
df_subset = df_chunk.iloc[:, idxs[0] : (idxs[1]+1) ]

    输出：

            Test     2     3 Bio Ref
0  something  None  None    2-50
1  something  None  None  15-100

    感谢wjandrea建议使用iloc。

    参见：

    pandas loc vs. iloc vs. at vs. iat？

    • 0

相关问题