堆栈溢出系列，
我最近开始学习Python，并使用Pandas处理一些工厂数据。csv文件本质上是一个大数据帧(1621行×5633列(。虽然我需要所有的行，因为这些都是每个单元的数据，但我需要过滤许多不需要的列。我已经在这些列名中确定了一个字符串列表，可以用来只查找所需的列，然而，我无法弄清楚这里的好逻辑或任何内置的python函数。
dropna对我来说不是一个选项，因为其中一些所需列的值为NA(例如测试限制(所有NA的列的dropna也不够好，因为我最终仍然会得到大量的列。
在这里寻求一些指导。谢谢你抽出时间。
如果您有一个有效列的列表，您可以使用df.filter(cols_subset, axis=1)删除其他所有列。您可以使用正则表达式在列名中匹配列表中的子字符串：
df.filter(regex='|'.join(cols_subset), axis=1)
或者，您可以只匹配列表中以子字符串开头的列：
df.filter(regex='^('+'|'.join(cols_subset)+')', axis=1)
编辑：考虑到我以前解决方案的时间复杂性，我想出了一种使用列表理解的方法：
fruits = ["apple", "banana", "cherry", "kiwi", "mango"]
app = ["app", "ban"]
new_list = [x for x in fruits if any(y in x for y in app)]
输出：['apple', 'banana']
这应该只显示您需要的列。在你的情况下，你只需要做：
my_strings = ["A", "B", ...]
new_list = [x for x in df.columns if any(y in x for y in my_strings)]
print(new_list)
如果您确切地知道列名，您可以做一些类似的事情：
unwanted_cols = ['col1', 'col4'] #list of unwanted cols names
df_cleaned = current_df.drop(unwanted_cols, axis=1)
# or
current_df.drop(unwanted_cols, inplace=True, axis=1)
如果你不知道列的确切名称，你可以做的是首先检索所有列
all_cols = current_df.columns.tolist()
并在所有列名上应用正则表达式，以获得与字符串列表匹配的所有列名，并应用与上述相同的代码
通过使用正则表达式应用字符串contains，可以从数据帧中删除列。下面是一个例子df.drop(df.columns[df.columns.str.contains('^abc'(]，axis=1(