Buscar columna cuyo nombre contiene una cadena específica

Tengo un marco de datos con nombres de columna, y quiero encontrar el que contiene una cadena determinada, pero que no coincide exactamente. Estoy buscando 'spike'en los nombres de columna como 'spike-2', 'hey spike', 'spiked-in'(la 'spike'parte es siempre continua).

Quiero que el nombre de la columna se devuelva como una cadena o una variable, por lo que accedo a la columna más tarde con df['name']o df[name]como normal. He intentado encontrar formas de hacer esto, sin éxito. ¿Algun consejo?

Simplemente repita DataFrame.columns, ahora este es un ejemplo en el que terminará con una lista de nombres de columnas que coinciden:

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)

Salida:

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

Explicación:

1. df.columns devuelve una lista de nombres de columna
2. [col for col in df.columns if 'spike' in col]itera sobre la lista df.columnscon la variable coly la agrega a la lista resultante si colcontiene 'spike'. Esta sintaxis es la comprensión de la lista .

Si solo desea el conjunto de datos resultante con las columnas que coinciden, puede hacer esto:

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

Salida:

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

Esta respuesta utiliza el método DataFrame.filter para hacer esto sin la comprensión de la lista:

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)

Producirá solo 'spike-2'. También puede usar expresiones regulares, como algunas personas sugirieron en los comentarios anteriores:

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

Producirá ambas columnas: ['spike-2', 'hey spke']

También puedes usar 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)

Esto generará los nombres de columna: 'spike-2', 'spiked-in'

Más sobre pandas.Series.str.contains .

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

También puede seleccionar por nombre, expresión regular. Consulte: pandas.DataFrame.filter

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

También puedes usar este código:

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

Obtener nombre y subconjunto en función de Inicio, Contiene y Finaliza:

# 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)