如何在Pandas中有效地从数据帧头中提取日期年份

Question

目标是在月-年类别下提取df，而忽略其他。下面的代码是如何实现这一目标的一种方法

df = DataFrame ( [['PP1', 'LN', 'T1', 'C11', 'C21', 'C31', 'C32']] )
df.columns =['dummy1','dummy2', 'Jan-20', 'Feb-20', 'Jan 2021', 'Feb 2080','Dec 1993']
extract_header_name=list(df.columns.values)
lookup_list= ['Jan', 'Feb', 'Mar','Apr', 'May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
month_year_list=[i for e in lookup_list for i in extract_header_name if e in i]

输出

['Jan-20', 'Jan 2021', 'Feb-20', 'Feb 2080', 'Dec 1993']

然而，我想知道是否有另一个高效或熊猫建造的模块可以达到类似的效果？

Answer 1

对于正则表达式or，使用值由|连接的str.contains-它意味着Jan或Feb。。。用boolean indexing和df.columns:进行滤波

month_year_list = df.columns[df.columns.str.contains('|'.join(lookup_list))].tolist()
print (month_year_list)
['Jan-20', 'Feb-20', 'Jan 2021', 'Feb 2080', 'Dec 1993']

或者使用Series.str.startswith将列表转换为元组：

month_year_list = df.columns[df.columns.str.startswith(tuple(lookup_list))].tolist()

另一个想法，如果只有这两种格式的日期时间：

s = df.columns.to_series()
s1 = pd.to_datetime(s, format='%b-%y', errors='coerce')
s2 = pd.to_datetime(s, format='%b %Y', errors='coerce')
month_year_list = df.columns[s1.fillna(s2).notna()].tolist()
print (month_year_list)
['Jan-20', 'Feb-20', 'Jan 2021', 'Feb 2080', 'Dec 1993']

Answer 2

使用df.filter选择列并提取它们的名称。

list(df.filter(regex='|'.join(lookup_list)).columns)
['Jan-20', 'Feb-20', 'Jan 2021', 'Feb 2080', 'Dec 1993']