如何将DataFrame.filter与Python中包含unicode的正则表达式一起使用？

我试图用unicode正则表达式过滤数据帧的列。我需要代码与python2和python3兼容

df.filter(regex=u'证券代码')

代码在python2中抛出错误

  File "D:\Applications\Anaconda2\lib\site-packages\pandas\core\generic.py", line 2469, in filter
    axis=axis_name)
  File "D:\Applications\Anaconda2\lib\site-packages\pandas\core\generic.py", line 1838, in select
    np.asarray([bool(crit(label)) for label in axis_values])]
  File "D:\Applications\Anaconda2\lib\site-packages\pandas\core\generic.py", line 2468, in <lambda>
    return self.select(lambda x: matcher.search(str(x)) is not None,
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-3: ordinal not in range(128)

它报告了相同的错误

---

你知道这个错误吗？如何使用unicode正则表达式过滤数据帧？

我只能在Python 2.7中重现这个问题。对于Python 2.7环境，有几个变通方法：

这是我正在使用的数据帧

# -*- coding: utf-8 -*-
import pandas as pd 

df = pd.DataFrame( {'ascii':range(10), u'证券代码':range(10,20)}); 

1）切片表示法

使用正则表达式直接筛选列名列表，然后使用标准索引选择这些列：

import re
matches = [c for c in df.columns if re.search(u'证券代码',c)]
print(df[matches])

获取列匹配的另一个选项是使用Python

filter

函数，如：

colpattern = re.compile(u'证券代码')
matches = list(filter(colpattern.search, df.columns))

2）数据帧。选择（）

您可以为

.select（）

指定匹配函数。这允许您指定正则表达式或任何其他代码来匹配列名

import re
print(df.select(lambda c: re.search(u'证券代码',c), axis=1))

---

注意：对于这样简单的正则表达式，可以使用

u'证券代码' 以c

作为标准，根本不加载正则表达式库。

这个问题与您的问题有关：这个针对pandas的开放式错误报告似乎描述了您的问题：似乎我可以使用sys.setdefaultencoding（“utf-8”）来解决问题。但为了避免这种情况，我试图设置环境pythonionecoding=UTF-8，但没有效果，我无法复制。我使用的是Pandas 19.2和Python3.6，

filter（）

和

str（）

命令都可以正常工作。您使用的是什么版本？

import re
print(df.select(lambda c: re.search(u'证券代码',c), axis=1))