在Python中，如何使用特定字符串过滤出多个列

我是python新手，尤其是熊猫，所以我真的不知道自己在做什么。我有10列100000行和4个字母字符串。我需要过滤掉所有列/行中不包含“DDD”的行

我试着用iloc和loc来做，但不起作用：

将熊猫作为pd导入
df=pd.read\u csv（“data\u 3.csv”，分隔符='！'））
df.iloc[：，10:20].str.contains（'DDD'，regex=False，na=False）
df.head（）

它返回一个错误：“DataFrame”对象没有可以使用的属性“str”

，但只能在序列上使用，不能在DataFrames上使用。因此，为了使用它，我们逐个查看每一列（这是一个系列），查看它们的循环：

>>将熊猫作为pd导入
>>>df=pd.DataFrame（[['DDDA'，'DDDB'，'DDDC'，'dddddd']，
['DDDE'，'DDDF'，'DDDG'，'DHDD']，
['DDDI'，'DDDJ'，'DDDK'，'DDDL']，
['DMDD'，'DNDN'，'DDOD'，'DDDP']]，
列=['A'、'B'、'C'、'D']）
>>>对于df.columns中的列：
df=df[df[column].str.contains（'DDD'）]

在for循环中，我们使用

df

覆盖数据帧

df

，其中列包含“DDD”。通过在每一列上循环，我们将删除该列中不包含“DDD”的行，直到我们查看了所有列，只在每一列中保留包含“DDD”的行

这将为您提供：

打印（df） A、B、C、D 0 DDDA DDDB DDDC DDDD 2 DDDI DDDJ DDDK DDDL 由于您只在10列上循环，因此速度不应该太慢

---

---

编辑：您可能应该在不使用for循环的情况下进行操作，正如所解释的，因为它可能会更快，但我将把它保留下来，因为在不了解lambda函数的情况下更容易理解。

我建议在不使用

for

循环的情况下进行操作，如下所示：

df[df.apply(lambda x: x.str.contains('DDD')).all(axis=1)]

仅选择字符串列的步骤

df[df.select_dtypes(include='object').apply(lambda x: x.str.contains('DDD')).all(axis=1)]

selected_cols = ['A','B']
df[df[selected_cols].apply(lambda x: x.str.contains('DDD')).all(axis=1)]

仅选择某些字符串列的步骤

df[df.select_dtypes(include='object').apply(lambda x: x.str.contains('DDD')).all(axis=1)]

selected_cols = ['A','B']
df[df[selected_cols].apply(lambda x: x.str.contains('DDD')).all(axis=1)]

---

您可以这样做，但如果您的所有列类型都是StringType：

for column in foo.columns:
    df = df[~df[c].str.contains('DDD')]

---

我还有另外10列，其中包含各种值，我认为通过使用df.drop删除它们不会引起任何问题，但事实并非如此。我是否可以仅应用于带字符串的那10列？它只返回列名，不返回值，如果在末尾添加

df

，它将返回原始的未修改的数据帧您可以检查数据类型？检查它们是否是对象？它在下面的@Aris示例帧上测试得很好。此外，如果您想添加df，这不会修改您的原始df=