pandas: найкращий спосіб вибрати всі стовпці, імена яких починаються на X

У мене є DataFrame:

import pandas as pd
import numpy as np

df = pd.DataFrame({'foo.aa': [1, 2.1, np.nan, 4.7, 5.6, 6.8],
                   'foo.fighters': [0, 1, np.nan, 0, 0, 0],
                   'foo.bars': [0, 0, 0, 0, 0, 1],
                   'bar.baz': [5, 5, 6, 5, 5.6, 6.8],
                   'foo.fox': [2, 4, 1, 0, 0, 5],
                   'nas.foo': ['NA', 0, 1, 0, 0, 0],
                   'foo.manchu': ['NA', 0, 0, 0, 0, 0],})

Я хочу вибрати значення 1 у стовпцях, починаючи з foo.. Чи є кращий спосіб зробити це крім:

df2 = df[(df['foo.aa'] == 1)|
(df['foo.fighters'] == 1)|
(df['foo.bars'] == 1)|
(df['foo.fox'] == 1)|
(df['foo.manchu'] == 1)
]

Щось схоже на написання чогось на зразок:

df2= df[df.STARTS_WITH_FOO == 1]

Відповідь повинна роздрукувати DataFrame таким чином:

   bar.baz  foo.aa  foo.bars  foo.fighters  foo.fox foo.manchu nas.foo
0      5.0     1.0         0             0        2         NA      NA
1      5.0     2.1         0             1        4          0       0
2      6.0     NaN         0           NaN        1          0       1
5      6.8     6.8         1             0        5          0       0

[4 rows x 7 columns]

Просто виконайте розуміння списку, щоб створити свої стовпці:

In [28]:

filter_col = [col for col in df if col.startswith('foo')]
filter_col
Out[28]:
['foo.aa', 'foo.bars', 'foo.fighters', 'foo.fox', 'foo.manchu']
In [29]:

df[filter_col]
Out[29]:
   foo.aa  foo.bars  foo.fighters  foo.fox foo.manchu
0     1.0         0             0        2         NA
1     2.1         0             1        4          0
2     NaN         0           NaN        1          0
3     4.7         0             0        0          0
4     5.6         0             0        0          0
5     6.8         1             0        5          0

Інший метод полягає у створенні серії із стовпців та використанні векторизованого методу str startswith:

In [33]:

df[df.columns[pd.Series(df.columns).str.startswith('foo')]]
Out[33]:
   foo.aa  foo.bars  foo.fighters  foo.fox foo.manchu
0     1.0         0             0        2         NA
1     2.1         0             1        4          0
2     NaN         0           NaN        1          0
3     4.7         0             0        0          0
4     5.6         0             0        0          0
5     6.8         1             0        5          0

Для досягнення бажаного потрібно додати наступне, щоб відфільтрувати значення, які не відповідають вашим ==1критеріям:

In [36]:

df[df[df.columns[pd.Series(df.columns).str.startswith('foo')]]==1]
Out[36]:
   bar.baz  foo.aa  foo.bars  foo.fighters  foo.fox foo.manchu nas.foo
0      NaN       1       NaN           NaN      NaN        NaN     NaN
1      NaN     NaN       NaN             1      NaN        NaN     NaN
2      NaN     NaN       NaN           NaN        1        NaN     NaN
3      NaN     NaN       NaN           NaN      NaN        NaN     NaN
4      NaN     NaN       NaN           NaN      NaN        NaN     NaN
5      NaN     NaN         1           NaN      NaN        NaN     NaN

EDIT

Гаразд, побачивши, що ви хочете, вигадана відповідь така:

In [72]:

df.loc[df[df[df.columns[pd.Series(df.columns).str.startswith('foo')]] == 1].dropna(how='all', axis=0).index]
Out[72]:
   bar.baz  foo.aa  foo.bars  foo.fighters  foo.fox foo.manchu nas.foo
0      5.0     1.0         0             0        2         NA      NA
1      5.0     2.1         0             1        4          0       0
2      6.0     NaN         0           NaN        1          0       1
5      6.8     6.8         1             0        5          0       0

Тепер, коли індекси панд підтримують рядкові операції, можливо найпростішим і найкращим способом вибору стовпців, що починаються на 'foo', є просто:

df.loc[:, df.columns.str.startswith('foo')]

Крім того, ви можете відфільтрувати мітки стовпців (або рядків) за допомогою df.filter(). Щоб вказати регулярний вираз, який відповідає іменам, що починаються з foo.:

>>> df.filter(regex=r'^foo\.', axis=1)
   foo.aa  foo.bars  foo.fighters  foo.fox foo.manchu
0     1.0         0             0        2         NA
1     2.1         0             1        4          0
2     NaN         0           NaN        1          0
3     4.7         0             0        0          0
4     5.6         0             0        0          0
5     6.8         1             0        5          0

Щоб вибрати лише необхідні рядки (що містять a 1) та стовпці, ви можете використовувати loc, виділивши стовпці за допомогою filter(або будь-яким іншим способом), а рядки за допомогою any:

>>> df.loc[(df == 1).any(axis=1), df.filter(regex=r'^foo\.', axis=1).columns]
   foo.aa  foo.bars  foo.fighters  foo.fox foo.manchu
0     1.0         0             0        2         NA
1     2.1         0             1        4          0
2     NaN         0           NaN        1          0
5     6.8         1             0        5          0

Найпростіший спосіб - використовувати str безпосередньо в іменах стовпців, у цьому немає необхідності pd.Series

df.loc[:,df.columns.str.startswith("foo")]

На основі відповіді @ EdChum ви можете спробувати таке рішення:

df[df.columns[pd.Series(df.columns).str.contains("foo")]]

Це буде дуже корисно, якщо не всі стовпці, які ви хочете вибрати, починаються з foo. Цей метод вибирає всі стовпці, що містять підрядок, fooі їх можна розмістити в будь-якій точці імені стовпця.

По суті, я замінив .startswith()на .contains().

Моє рішення. Це може бути повільнішим за продуктивністю:

a = pd.concat(df[df[c] == 1] for c in df.columns if c.startswith('foo'))
a.sort_index()


   bar.baz  foo.aa  foo.bars  foo.fighters  foo.fox foo.manchu nas.foo
0      5.0     1.0         0             0        2         NA      NA
1      5.0     2.1         0             1        4          0       0
2      6.0     NaN         0           NaN        1          0       1
5      6.8     6.8         1             0        5          0       0

Іншим варіантом для вибору бажаних записів є використання map:

df.loc[(df == 1).any(axis=1), df.columns.map(lambda x: x.startswith('foo'))]

що дає вам усі стовпці для рядків, які містять 1:

   foo.aa  foo.bars  foo.fighters  foo.fox foo.manchu
0     1.0         0             0        2         NA
1     2.1         0             1        4          0
2     NaN         0           NaN        1          0
5     6.8         1             0        5          0

Вибір рядка здійснюється за допомогою

(df == 1).any(axis=1)

як у відповіді @ ajcr, який дає вам:

0     True
1     True
2     True
3    False
4    False
5     True
dtype: bool

це означає, що рядок 3і 4не містить а 1і не буде вибраний.

Вибір стовпців здійснюється з допомогою булевої індексації , як це:

df.columns.map(lambda x: x.startswith('foo'))

У наведеному вище прикладі це повертається

array([False,  True,  True,  True,  True,  True, False], dtype=bool)

Отже, якщо стовпець не починається з foo, Falseповертається, і тому стовпець не вибраний.

Якщо ви просто хочете повернути всі рядки, що містять a 1- як підказує бажаний результат - ви можете просто зробити

df.loc[(df == 1).any(axis=1)]

який повертається

   bar.baz  foo.aa  foo.bars  foo.fighters  foo.fox foo.manchu nas.foo
0      5.0     1.0         0             0        2         NA      NA
1      5.0     2.1         0             1        4          0       0
2      6.0     NaN         0           NaN        1          0       1
5      6.8     6.8         1             0        5          0       0

Ви можете спробувати регулярний вираз тут, щоб відфільтрувати стовпці, починаючи з "foo"

df.filter(regex='^foo*')

Якщо вам потрібно мати рядок foo у колонці, тоді

df.filter(regex='foo*')

було б доречно.

Для наступного кроку ви можете використовувати

df[df.filter(regex='^foo*').values==1]

щоб відфільтрувати рядки, де одне зі значень стовпця 'foo *' дорівнює 1.

У моєму випадку мені потрібен був список префіксів

colsToScale=["production", "test", "development"]
dc[dc.columns[dc.columns.str.startswith(tuple(colsToScale))]]