Trova la colonna il cui nome contiene una stringa specifica

Ho un frame di dati con nomi di colonna e voglio trovare quello che contiene una determinata stringa, ma non corrisponde esattamente. Sto cercando 'spike'in nomi di colonna piace 'spike-2', 'hey spike', 'spiked-in'(la 'spike'parte è sempre continuo).

Voglio che il nome della colonna venga restituito come stringa o variabile, quindi accedo alla colonna in seguito con df['name']o df[name]come di consueto. Ho provato a trovare modi per farlo, senza risultati. Qualche consiglio?

Ripeti e basta DataFrame.columns, ora questo è un esempio in cui finirai con un elenco di nomi di colonne che corrispondono:

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)

Produzione:

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

Spiegazione:

1. df.columns restituisce un elenco di nomi di colonne
2. [col for col in df.columns if 'spike' in col]scorre sull'elenco df.columnscon la variabile cole lo aggiunge all'elenco risultante se colcontiene 'spike'. Questa sintassi è la comprensione dell'elenco .

Se desideri solo il set di dati risultante con le colonne corrispondenti, puoi farlo:

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

Produzione:

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

Questa risposta utilizza il metodo DataFrame.filter per eseguire questa operazione senza comprensione dell'elenco:

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)

Produrrà solo 'spike-2'. Puoi anche usare regex, come alcune persone hanno suggerito nei commenti sopra:

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

Produrrà entrambe le colonne: ['spike-2', 'hey spke']

Puoi anche usare 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)

Questo genererà i nomi delle colonne: 'spike-2', 'spiked-in'

Maggiori informazioni su pandas.Series.str.contains .

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

Puoi anche selezionare per nome, espressione regolare. Fare riferimento a: pandas.DataFrame.filter

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

Puoi anche usare questo codice:

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

Ottenere nome e sottoinsieme in base a Inizio, Contiene 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)