Pandas 查找包含特定字符串的列名

在数据分析中，经常需要根据特定的列来对数据进行操作，但是数据集过于庞大，列名过于琳琅满目，如何快速查找到需要的列名呢？这里介绍使用Pandas查找包含特定字符串的列名的方法。

阅读更多：Pandas 教程

使用 str.contains() 查找包含特定字符串的列名

Pandas提供了str.contains()方法来查找包含特定字符串的列名。例如，我们有一个包含4列的数据集df：

import pandas as pd

data = {'A_column': [1, 2, 3],
        'B_column': [4, 5, 6],
        'C_column_is_different': [7, 8, 9],
        'D_column_is_happy': [10, 11, 12]}

df = pd.DataFrame(data)

想要查找包含字符串"column"的列名，可以使用如下代码：

result = df.columns[df.columns.str.contains('column')]

result会返回一个包含所有符合条件的列名的列表。

Index(['A_column', 'B_column', 'C_column_is_different', 'D_column_is_happy'], dtype='object')

如果需要对符合条件的列进行其它操作，例如修改所有列名中的"column"为"col"，可以使用df.rename()方法来实现：

new_columns_a = [col.replace('column', 'col') for col in result]

df.rename(columns=dict(zip(result, new_columns_a)), inplace=True)

使用正则表达式查找包含特定字符串的列名

正则表达式是一种强大的文本匹配工具，在Pandas中也可以使用正则表达式进行查找。例如，假设我们要查找所有以"column"结尾的列名，可以使用正则表达式"column$",其中$表示字符串的结尾。

result = df.columns[df.columns.str.contains('column$', regex=True)]

得到的结果如下：

Index(['C_column_is_different', 'D_column_is_happy'], dtype='object')

如果要查找所有以"col"开头的列名，可以使用正则表达式"^col",其中^表示字符串的开头。

result = df.columns[df.columns.str.contains('^col', regex=True)]

得到的结果如下：

Index(['A_col', 'B_col', 'C_col'], dtype='object')

遍历所有列名查找包含特定字符串的列名

虽然上述方法可以快速查找包含特定字符串的列名，但是有些情况下我们需要遍历所有的列名来查找符合条件的列名。例如，需要查找包含"hello"的列名并统计该列的非零元素数量，可以使用如下代码：

for col in df.columns:
    if 'hello' in col:
        count = (df[col] != 0).sum()
        print(f"{col}中非零元素数量为：{count}")

总结

通过使用Pandas的str.contains()方法和正则表达式，可以快速查找包含特定字符串的列名。结合rename()方法可以批量修改列名；遍历所有的列名可以完成更加复杂的任务。这些方法在处理大规模数据分析和数据挖掘时非常实用。