Python 熊猫：为多个列选择具有条件的行

我使用它有条件地选择

列的行

：

X.loc[数据['column']==1]

但是我想把这个条件扩展到几列。这些列有一个共同点：它们包含相同的字符串。所以实际上我有一个

column1

，一个

column2

column100

等，此条件应适用于所有这些列。实际上是这样的（通配符）：

X.loc[数据['column*']==1]

---

这些条件应与

或
链接。是否有机会轻松完成此操作？
将每个比较放在括号中，并将其与逻辑运算符组合：

pd.DataFrame(X).loc[(data['col1']==23) & (data['col2']==42)] # and
pd.DataFrame(X).loc[(data['col1']==23) | (data['col2']==42)] # or

测试数据帧
创建一个新的dataframe，对所有列进行测试

result_s = d.concat((df['col%i'%i] == 1 for i in range(3)), axis=1).all(axis=1)

导致

0    False
1     True
2    False
dtype: bool

如果你做了
df[结果]
你会得到

    col0 col1 col2
1   1    1    1

这将选择所有列均为
==1
的行。如果其中一行足够，请将
.all（）
更改为
.any

    col0 col1 col2
0   1    1    2
1   1    1    1

对于某些数据帧
X

   p A  p B  p C
0    0    0    0
1    0    0    0
2    0    0    1
3    0    0    0
4    0    0    0
5    0    0    0
6    1    0    0

如果可以在
列列表中设置要测试的列的名称

col_list = X.columns

然后，您可以使用
np.any（）
对以下各项进行测试：

X.loc[(X[col_list] == 1).any(axis=1)]

这给了你：

   p A  p B  p C
2    0    0    1
6    1    0    0

通知您不需要
loc
，并且仍然会得到相同的答案，请将此信息归功于@MaartynFabre

X[(X[col_list] == 1).any(axis=1)]

   p A  p B  p C
2    0    0    1
6    1    0    0

以下是另一种考虑方法：

df
   col0  col1  col2
0     1     1     2
1     1     1     1
2     2     2     2

df.loc[df['col0'] == 1, [x for x in df.columns if x == 'col0']]
   col0
0     1
1     1

您可以使用列表理解来查找您要查找的列。
谢谢：）但我无法对数百列执行此操作。请查看
numpy.any（）
我问的两个问题与您的问题非常类似：对于您要测试的列列表，请尝试
X.loc[（X[col\u list]==1）。any（axis=1）]
@chuckm
.loc
不正确needed@MaartenFabré感谢您提供的信息，更新并记入：）看起来不错：）但这通常不起作用，例如，如果这些列命名为
columnOne
，
columnTwo
等。如果您有列列表，
df[（df[选定的_列]==1）。任意（axis=1）]
也可以起作用，而且更有效efficient@scientiaetveritas
df['col%i'%i]==1表示范围（3）中的i
只是一种选择列的方法，具体取决于列的外观，这可能需要修改。你需要在你的问题中提供更多的信息来说明这一点
df
   col0  col1  col2
0     1     1     2
1     1     1     1
2     2     2     2

df.loc[df['col0'] == 1, [x for x in df.columns if x == 'col0']]
   col0
0     1
1     1