Python 使用列表使用正则表达式筛选数据帧

我有以下列的数据框架：Hello，World，Python，Hello_X，World_X，Python_X

还有，我有这个列表：[“你好”，“世界”]

使用该列表，我想过滤数据帧并保留以下列：Hello，World，Hello_X，World_X

请注意，我在实际数据框中有数千列，因此请不要提供手动解决方案。

---

您可以创建一个正则表达式字符串，如Hello | World |。。。自动从您正在搜索的单词列表中选择，然后使用过滤器应用它：

---

检查此正则表达式对象

方法1

方法2

输出：

Columns: [Hello, World, Hello_X, World_X]

---

我建议使用一个改进的正则表达式来解决这个问题，它将采用列名和名称，加上所需的下划线，再加上一些不仅仅是“X”字母的内容。regexp将不匹配以相同方式开始的名称，并且需要在所需名称后面加下划线+任何内容

import numpy as np
import pandas as pd
import re

df = pd.DataFrame( np.array(([1, 2, 3, 4, 5, 6, 7], [11, 12, 13, 14, 15, 16, 17] )),
        columns=['Hello', 'World', 'Python', 'Hellow', 'Hello_X', 'World_X', 'Python_X'])

cols = ['Hello', 'World']

### building the regexp to match either column names or columns names with one '_' and something after

regex = ['(^'+x+'(_.*)+)' for x in cols] + ['(^'+x+'$)' for x in cols]
regex = r'|'.join(regex)

print(df.filter(regex=regex))

---

但是要小心，如果所选列的名称中包含|，则此选项可能会中断。如果是这种情况，则|必须用\ |在cols中转义；如果所选列的名称以相同的字母开头，则此选项可能会中断。见鬼，你好，你两个都不要。regexp可以改进。OP应该提供更多关于这方面的详细信息。让我们等待他会告诉我们什么。是的，确切地说，没有更清楚的意图，我们只能假设我allready在第一行提到改变regex对象不要说我认为“X”应该是什么？而不仅仅是“X”。。所以最好在regexp中使用“.*？”请显示一段代码，X是什么？只是“X”字母还是什么？在我下面的答案中，我认为与X完全匹配的是任何东西。

import numpy as np
import pandas as pd
import re
df = pd.DataFrame(columns=['Hello', 'World', 'Python', 'Hello_X', 'World_X', 'Python_X'])

regex=re.compile(r'(Hello(_X)?|World(_X)?)')

up_col = [i for i in df.columns if regex.search(i)]
df[up_col]

Columns: [Hello, World, Hello_X, World_X]

import numpy as np
import pandas as pd
import re

df = pd.DataFrame( np.array(([1, 2, 3, 4, 5, 6, 7], [11, 12, 13, 14, 15, 16, 17] )),
        columns=['Hello', 'World', 'Python', 'Hellow', 'Hello_X', 'World_X', 'Python_X'])

cols = ['Hello', 'World']

### building the regexp to match either column names or columns names with one '_' and something after

regex = ['(^'+x+'(_.*)+)' for x in cols] + ['(^'+x+'$)' for x in cols]
regex = r'|'.join(regex)

print(df.filter(regex=regex))