Знайдіть стовпчик, ім'я якого містить певний рядок

У мене є фрейм даних з іменами стовпців, і я хочу знайти той, який містить певний рядок, але не відповідає йому точно. Я шукаю 'spike'в іменах стовпців подобаються 'spike-2', 'hey spike', 'spiked-in'( 'spike'частина завжди неперервна).

Я хочу, щоб ім’я стовпця поверталося у вигляді рядка або змінної, тому я отримую доступ до стовпця пізніше df['name']або df[name]як звичайний. Я намагався знайти способи це зробити безрезультатно. Якісь поради?

Просто перегляньте DataFrame.columns, тепер це приклад, у якому ви отримаєте список імен стовпців, які відповідають:

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)

Вихід:

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

Пояснення:

1. df.columns повертає список імен стовпців
2. [col for col in df.columns if 'spike' in col]ітератує список df.columnsзі змінною colта додає його до отриманого списку, якщо він colмістить 'spike'. Цей синтаксис є розумінням списку .

Якщо ви хочете лише отримати отриманий набір даних із відповідними стовпцями, ви можете зробити це:

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

Вихід:

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

Ця відповідь використовує метод DataFrame.filter для цього без розуміння списку:

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)

Вийде просто "шип-2". Ви також можете використовувати регулярний вираз, як деякі люди пропонували в коментарях вище:

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

Виведе обидва стовпці: ['spike-2', 'hey spke']

Ви також можете використовувати 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)

Це виведе назви стовпців: 'spike-2', 'spiked-in'

Більше про pandas.Series.str.contains .

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

Ви також можете вибрати за назвою, регулярним виразом. Зверніться до: pandas.DataFrame.filter

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

Ви також можете використовувати цей код:

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

Отримання імені та підмножини на основі запуску, вмісту та закінчення:

# 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)