在熊猫中，根据不同的模式选择多个列的惯用方法是什么?

Question

我正在尝试使用Python的pandas复制R4DS的一些dplyr练习，使用nycflights13.flights数据集。我想做的是从该数据集中选择：

• 列到year到day(含);
• 所有以"延迟"结尾的列;
• distance和air_time列

在书中，哈德利使用了以下语法：

library("tidyverse")
library("nycflights13")
flights_sml <- select(flights,
year:day,
ends_with("delay"),
distance,
air_time
)

在熊猫中，我想出了以下"解决方案"：

import pandas as pd
from nycflights13 import flights
flights_sml = pd.concat([
flights.loc[:, 'year':'day'],
flights.loc[:, flights.columns.str.endswith("delay")],
flights.distance,
flights.air_time,
], axis=1)

另一种可能的实现：

flights_sml = flights.filter(regex='year|day|month|delay$|^distance$|^air_time$', axis=1)

但我敢肯定这不是编写这种 DF操作的惯用方法。我四处挖掘，但还没有从 API 中找到适合这种情况pandas的东西。

Answer 1

你是对的。这将创建多个数据帧/系列，然后将它们连接在一起，从而导致大量额外的工作。相反，您可以创建要使用的列列表，然后只需选择这些列。

例如(保持相同的列顺序)：

cols = ['year', 'month', 'day'] + [col for col in flights.columns if col.endswith('delay')] + ['distance', 'air_time']
flights_sml = flights[cols]

Answer 2

根据数据集的列信息，我们可以利用str.contains

df.loc[:, df.columns.str.contains('year|month|day|delay|distance|air_time')]

year  month  day  dep_delay  arr_delay  air_time  distance
0  2013      1    1        2.0       11.0     227.0      1400
1  2013      1    1        4.0       20.0     227.0      1416
2  2013      1    1        2.0       33.0     160.0      1089
3  2013      1    1       -1.0      -18.0     183.0      1576
4  2013      1    1       -6.0      -25.0     116.0       762

Answer 3

一种选择是使用 pyjanitor 的 select_columns：

# pip install pyjanitor
import pandas as pd 
import janitor
from nycflights13 import flights
flights_sml = flights.select_columns(
slice('year', 'day'), 
'*delay', 
'distance', 
'air_time'
)
flights_sml.head()
year  month  day  dep_delay  arr_delay  distance  air_time
0  2013      1    1        2.0       11.0      1400     227.0
1  2013      1    1        4.0       20.0      1416     227.0
2  2013      1    1        2.0       33.0      1089     160.0
3  2013      1    1       -1.0      -18.0      1576     183.0
4  2013      1    1       -6.0      -25.0       762     116.0