Удалить столбцы, имя которых содержит конкретную строку из панд DataFrame

У меня есть фреймворк pandas со следующими именами столбцов:

Результат1, Тест1, Результат2, Тест2, Результат3, Тест3 и т.д.

Я хочу удалить все столбцы, имя которых содержит слово "Test". Номера таких столбцов не являются статическими, но зависят от предыдущей функции.

Как я могу это сделать?

Ответы

Ответ 1

import pandas as pd

import numpy as np

array=np.random.random((2,4))

df=pd.DataFrame(array, columns=('Test1', 'toto', 'test2', 'riri'))

print df

      Test1      toto     test2      riri
0  0.923249  0.572528  0.845464  0.144891
1  0.020438  0.332540  0.144455  0.741412

cols = [c for c in df.columns if c.lower()[:4] != 'test']

df=df[cols]

print df
       toto      riri
0  0.572528  0.144891
1  0.332540  0.741412

Ответ 2

Вот хороший способ для этого:

df = df[df.columns.drop(list(df.filter(regex='Test')))]

Ответ 3

Дешевле, быстрее и идиоматичнее: `str.contains`

В последних версиях панд вы можете использовать строковые методы для индекса и столбцов. Здесь str.startswith выглядит неплохо.

Чтобы удалить все столбцы, начинающиеся с указанной подстроки:

df.columns.str.startswith('Test')
# array([ True, False, False, False])

df.loc[:,~df.columns.str.startswith('Test')]

  toto test2 riri
0    x     x    x
1    x     x    x

Для сопоставления без учета регистра вы можете использовать сопоставление на основе регулярных выражений с str.contains с привязкой SOL:

df.columns.str.contains('^test', case=False)
# array([ True, False,  True, False])

df.loc[:,~df.columns.str.contains('^test', case=False)] 

  toto riri
0    x    x
1    x    x

если есть возможность смешанных типов, укажите также na=False.

Ответ 4

Вы можете отфильтровать столбцы, которые вы хотите использовать, используя 'filter'

import pandas as pd
import numpy as np

data2 = [{'test2': 1, 'result1': 2}, {'test': 5, 'result34': 10, 'c': 20}]

df = pd.DataFrame(data2)

df

    c   result1     result34    test    test2
0   NaN     2.0     NaN     NaN     1.0
1   20.0    NaN     10.0    5.0     NaN

Теперь отфильтруйте

df.filter(like='result',axis=1)

Get..

   result1  result34
0   2.0     NaN
1   NaN     10.0

Ответ 5

Используйте метод DataFrame.select:

In [38]: df = DataFrame({'Test1': randn(10), 'Test2': randn(10), 'awesome': randn(10)})

In [39]: df.select(lambda x: not re.search('Test\d+', x), axis=1)
Out[39]:
   awesome
0    1.215
1    1.247
2    0.142
3    0.169
4    0.137
5   -0.971
6    0.736
7    0.214
8    0.111
9   -0.214

Ответ 6

Это можно сделать аккуратно в одной строке с:

df = df.drop(df.filter(regex='Test').columns, axis=1)