Adı belirli bir dize içeren sütunu bulun

Sütun adlarına sahip bir veri çerçevem ​​var ve belirli bir dizeyi içeren ancak onunla tam olarak eşleşmeyen birini bulmak istiyorum. Arıyorum 'spike'sütun adları gibi içinde 'spike-2', 'hey spike', 'spiked-in'( 'spike'kısmı her zaman süreklidir).

Sütun adının bir dizge veya değişken olarak döndürülmesini istiyorum, bu nedenle sütuna daha sonra df['name']veya df[name]normal olarak erişiyorum . Bunu yapmanın yollarını bulmaya çalıştım, boşuna. Herhangi bir ipucu?

Sadece tekrarlayın DataFrame.columns, şimdi bu, eşleşen sütun adlarının bir listesini bulacağınız bir örnek:

import pandas as pd

data = {'spike-2': [1,2,3], 'hey spke': [4,5,6], 'spiked-in': [7,8,9], 'no': [10,11,12]}
df = pd.DataFrame(data)

spike_cols = [col for col in df.columns if 'spike' in col]
print(list(df.columns))
print(spike_cols)

Çıktı:

['hey spke', 'no', 'spike-2', 'spiked-in']
['spike-2', 'spiked-in']

Açıklama:

1. df.columns sütun adlarının bir listesini döndürür
2. [col for col in df.columns if 'spike' in col]df.columnsdeğişkenle birlikte listeyi yineler colve eğer coliçeriyorsa , sonuç listeye ekler 'spike'. Bu sözdizimi, listeyi anlamadır .

Yalnızca eşleşen sütunlarla elde edilen veri kümesini istiyorsanız, bunu yapabilirsiniz:

df2 = df.filter(regex='spike')
print(df2)

Çıktı:

   spike-2  spiked-in
0        1          7
1        2          8
2        3          9

Bu cevap , listeyi anlama olmadan bunu yapmak için DataFrame.filter yöntemini kullanır:

import pandas as pd

data = {'spike-2': [1,2,3], 'hey spke': [4,5,6]}
df = pd.DataFrame(data)

print(df.filter(like='spike').columns)

Yalnızca 'spike-2' çıktı verir. Yukarıdaki yorumlarda bazı kişilerin önerdiği gibi normal ifadeyi de kullanabilirsiniz:

print(df.filter(regex='spike|spke').columns)

Her iki sütunu da çıkarır: ['spike-2', 'hey spke']

Ayrıca kullanabilirsiniz df.columns[df.columns.str.contains(pat = 'spike')]

data = {'spike-2': [1,2,3], 'hey spke': [4,5,6], 'spiked-in': [7,8,9], 'no': [10,11,12]}
df = pd.DataFrame(data)

colNames = df.columns[df.columns.str.contains(pat = 'spike')] 

print(colNames)

Bu, sütun adlarını verir: 'spike-2', 'spiked-in'

Pandas.Series.str.contains hakkında daha fazla bilgi .

# select columns containing 'spike'
df.filter(like='spike', axis=1)

Ada göre, normal ifadeyi de seçebilirsiniz. Bakınız: pandas.DataFrame.filter

df.loc[:,df.columns.str.contains("spike")]

Bu kodu da kullanabilirsiniz:

spike_cols =[x for x in df.columns[df.columns.str.contains('spike')]]

Başlangıç, İçerir ve Sona göre ad ve alt küme oluşturma:

# from: /programming/21285380/find-column-whose-name-contains-a-specific-string
# from: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.str.contains.html
# from: https://cmdlinetips.com/2019/04/how-to-select-columns-using-prefix-suffix-of-column-names-in-pandas/
# from: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.filter.html




import pandas as pd



data = {'spike_starts': [1,2,3], 'ends_spike_starts': [4,5,6], 'ends_spike': [7,8,9], 'not': [10,11,12]}
df = pd.DataFrame(data)



print("\n")
print("----------------------------------------")
colNames_contains = df.columns[df.columns.str.contains(pat = 'spike')].tolist() 
print("Contains")
print(colNames_contains)



print("\n")
print("----------------------------------------")
colNames_starts = df.columns[df.columns.str.contains(pat = '^spike')].tolist() 
print("Starts")
print(colNames_starts)



print("\n")
print("----------------------------------------")
colNames_ends = df.columns[df.columns.str.contains(pat = 'spike$')].tolist() 
print("Ends")
print(colNames_ends)



print("\n")
print("----------------------------------------")
df_subset_start = df.filter(regex='^spike',axis=1)
print("Starts")
print(df_subset_start)



print("\n")
print("----------------------------------------")
df_subset_contains = df.filter(regex='spike',axis=1)
print("Contains")
print(df_subset_contains)



print("\n")
print("----------------------------------------")
df_subset_ends = df.filter(regex='spike$',axis=1)
print("Ends")
print(df_subset_ends)