[英]Filtering DataFrames in Pandas for multiple columns where a column name contains a pattern
在过滤多个列时,我看到了一些示例,其中可以使用类似df[df['A'].str.contains("string") | df['B'].str.contains("string")]
df[df['A'].str.contains("string") | df['B'].str.contains("string")]
。
我有多个文件,我想在其中获取每个文件,并从其中包含'email'
字符串的列名称中仅获取带有'gmail.com'
行。
因此,示例标头可以是:'firstname''lastname''companyname''address''emailid1''emailid2''emailid3'...
列emailid1..2..3
具有包含gmail.com
emailid1..2..3
ID。 我想获取在其中任何一个位置都可能出现gmail的行。
for file in files:
pdf = pd.read_csv('Reduced/'+file,delimiter = '\t')
emailids = [col for col in pdf.columns if 'email' in col]
# pdf['gmail' in pdf[emailids]]
您可以将any
与boolean indexing
一起使用:
pdf = pd.DataFrame({'A':[1,2,3],
'email1':['gmail.com','t','f'],
'email2':['u','gmail.com','t'],
'D':[1,3,5],
'E':[5,3,6],
'F':[7,4,3]})
print (pdf)
A D E F email1 email2
0 1 1 5 7 gmail.com u
1 2 3 3 4 t gmail.com
2 3 5 6 3 f t
#filter column names
emailids = [col for col in pdf.columns if 'email' in col]
print (emailids)
['email1', 'email2']
#apply string function for each filtered column
df = pd.concat([pdf[col].str.contains('gmail.com') for col in pdf[emailids]], axis=1)
print (df)
email1 email2
0 True False
1 False True
2 False False
#filter at least one True by any
print (pdf[df.any(1)])
A D E F email1 email2
0 1 1 5 7 gmail.com u
1 2 3 3 4 t gmail.com
给定示例输入:
df = pd.DataFrame({'email': ['test@example.com', 'someone@gmail.com'], 'somethingelse': [1, 2], 'another_email': ['whatever@example.com', 'something@example.com']})
例如:
another_email email somethingelse
0 whatever@example.com test@example.com 1
1 something@example.com someone@gmail.com 2
您可以过滤出包含电子邮件的列,查找gmail.com
或所需的任何文本,然后选择子集,例如:
df[df.filter(like='email').applymap(lambda L: 'gmail.com' in L).any(axis=1)]
这给你:
another_email email somethingelse
1 something@example.com someone@gmail.com 2
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.