Python：如何根据列名称中的子字符串匹配从数据集中过滤出列

Question

df_train = pd.read_csv('../xyz.csv') headers = df_train.columns我想过滤掉标题中包含_pct在其子字符串中的那些列。

Answer 1

使用df.filter

df = pd.DataFrame({'a':[1,2,3], 'b_pct':[1,2,3],'c_pct':[1,2,3],'d':[1]*3})

print(df.filter(items=[i for i in df.columns if '_pct' not in i]))

## or as jezrael suggested

# print(df[[i for i in df.columns if '_pct' not in i]])

输出：

   a  d                                                                                                                                                           

0  1  1                                                                                                                                                           

1  2  1                                                                                                                                                           

2  3  1 

Answer 2

用：

#data from AkshayNevrekar answer

df = df.loc[:, ~df.columns.str.contains('_pct')]

print (df)

过滤器解决方案并非微不足道：

df = df.filter(regex=r'^(?!.*_pct).*$')

   a  d

0  1  1

1  2  1

2  3  1

谢谢@IanS 提供另一种解决方案：

df[df.columns.difference(df.filter(like='_pct').columns).tolist()]

df.drop(df.filter(like='_pct').columns, axis=1)

Answer 3

当df.columns返回列名列表时，您可以使用列表理解并使用简单条件构建新列表：

new_headers = [x for x in headers if '_pct' not in x]