Buscar columna cuyo nombre contiene una cadena específica


137

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?

Respuestas:


229

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

1
¡Eso es genial! Sin embargo, no entiendo exactamente cómo funciona, aún siendo nuevo para Python y Pandas. ¿Podrías quizás explicarlo?
erikfas

16
esto es lo que DataFrame.filterhace FYI (y puede proporcionar una expresión regular si lo desea)
Jeff

2
@xndrme, ¿cómo haría una expresión regular para excluir una determinada columna que coincida con una expresión regular en lugar de incluir?
Dhruv Ghulati

3
@DhruvGhulati También es posible soltar las columnas no deseadas df[df.columns.drop(spike_cols)], ya que obtendrá un DataFramesin las columnas en la lista spike_colsque puede obtener utilizando su expresión regular no deseada.
Alvaro Fuentes

1
código más conciso:df[[col for col in df.columns if "spike" in col]]
WindChimes

71

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']


22

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 .


18
# select columns containing 'spike'
df.filter(like='spike', axis=1)

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


1
La solución más fácil hasta ahora. Simple pero poderoso!
Cesare Iurlaro


3

También puedes usar este código:

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

0

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)
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.