Pandas df.loc 与正则表达式

Question

我正在处理一个由几个几乎相同形式的 csv 文件组成的数据集。 每个 csv 描述一个特定的日期，并按州/省标记数据。 但是，数据集中一个列标题的格式从Province/State更改为Province_State ，因此在某个日期之前创建的所有 csv 都使用第一种格式，而在该日期之后创建的所有 csv 都使用第二种格式。

我试图总结与特定 state 对应的所有条目。 目前，我正在使用的代码如下：

daily_data.loc[daily_data[areaLabel] == location].sum()

where daily_data is the dataframe containing the csv data, location is the name of the state I'm looking for, and arealabel is a variable storing either 'Province/State' or 'Province_State ' depending on the result of a date check. 我想通过例如调节像Province(/|_)State这样的正则表达式来消除日期检查，但是我很难找到一种通过正则表达式索引到 pandas dataframe 的方法。 这是可行的（并且以某种方式使代码更优雅而不是更优雅）？ 如果是这样，如果有人能指出我正确的方向，我将不胜感激。

Answer 1

使用filter获取与您的正则表达式匹配的列

>>> df.filter(regex="Province(/|_)State").columns[0]
'Province/State'

然后将其用于 select 仅与您的位置匹配的行：

df[df[df.filter(regex="Province(/|_)State").columns[0]]==location].sum()

然而，这假设没有其他列与正则表达式匹配。