Encontre a coluna cujo nome contém uma sequência específica


137

Eu tenho um quadro de dados com nomes de colunas e quero encontrar o que contém uma determinada sequência de caracteres, mas não corresponde exatamente a ela. Estou procurando 'spike'em nomes de coluna como 'spike-2', 'hey spike', 'spiked-in'(o'spike' parte é sempre contínua).

Desejo que o nome da coluna seja retornado como uma sequência ou variável, para acessar a coluna posteriormente com df['name']ou df[name]normalmente. Eu tentei encontrar maneiras de fazer isso, sem sucesso. Alguma dica?

Respostas:


229

Basta repetir DataFrame.columns, agora este é um exemplo no qual você terminará com uma lista de nomes de colunas que correspondem:

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)

Resultado:

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

Explicação:

  1. df.columns retorna uma lista de nomes de colunas
  2. [col for col in df.columns if 'spike' in col]itera sobre a lista df.columnscom a variável cole a adiciona à lista resultante, se colcontiver 'spike'. Essa sintaxe é uma lista de compreensão .

Se você deseja apenas o conjunto de dados resultante com as colunas correspondentes, faça o seguinte:

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

Resultado:

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

1
Fantástico! Na verdade, eu não entendo exatamente como isso funciona, ainda sendo novo no Python e no Pandas. Você poderia explicar?
erikfas

16
isso é o que DataFrame.filterfaz FYI (e você pode fornecer uma regex se você quiser)
Jeff

2
@xndrme como você faria uma regex para excluir uma determinada coluna correspondente a uma regex em vez de incluir?
Dhruv Ghulati 31/03

3
@DhruvGhulati Também é possível descartar as colunas indesejadas df[df.columns.drop(spike_cols)], pois você obtém um DataFramesem as colunas na lista spike_colsque você pode obter usando seu regex indesejado.
Alvaro Fuentes

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

71

Esta resposta usa o método DataFrame.filter para fazer isso sem compreensão da 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)

Produzirá apenas 'spike-2'. Você também pode usar regex, como algumas pessoas sugeriram nos comentários acima:

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

Produzirá as duas colunas: ['spike-2', 'hey spke']


22

Você também pode 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)

Isso exibirá os nomes das colunas: 'spike-2', 'spiked-in'

Mais sobre pandas.Series.str.contains .




3

Você também pode usar este código:

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

0

Obtendo nome e subconjunto com base em Iniciar, Contém e Termina:

# 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)
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.