这篇文章主要介绍了Pandas 如何筛选包含特定字符的列，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
问题提出：
比如有一个三百多列的数据集，想要快速找到包含xxx的列，这里有三种方法
if判断+列表解析式
[x for x in df.columns if 'xxx' in x]
str.contain()+列表解析式
[x for x in df.columns[df.columns.str.contain('xxx')]]
filter函数
df.filter(like='xxx').columns
关于filter，这里可以多说一句，除了like匹配之外，还支持正则表达式匹配，参数为regex。
官方api上给出了filter更详细的用法，除了过滤列名外，还可以在行、列上进行筛选，filter全部的参数如下：
item:接收list类型参数，保留参数内项目的标签，举例
# 等同df[['a', 'b', 'c']] df.filter(item=['a', 'b', 'c'])
like like='xxx' 等同 ‘xxx' in labels
regex 正则表达式，输入字符串pattern
axis 表示作用的轴
更多示例见官网：DataFrame filter函数
补充：python-pandas如何选取满足条件的特定的行和列
我就废话不多说了，大家还是直接看代码吧~
import pandas as pd df1 = pd.read_csv("data/trans/bike_flow.csv") # ['t_idx' 'r_idx' 'c_idx' 'bike_out_cnt' 'bike_in_cnt' 'flow_stay' 'flow_in' 'flow_out'] print(df1.columns.values) # (23016, 8) print(df1.shape) # ['t_idx', 'bike_in_cnt']是取特定的列 # df1['bike_in_cnt'] > 10是取特定的行 df2 = df1[['t_idx', 'bike_in_cnt']][df1['bike_in_cnt'] > 10] # (328, 2) print(df2.shape)
