如何根据Pandas中的部分列名选择列范围？

Question

我有 pandas 数据框，我正在尝试 选择多个列（列范围从

Test

到

Bio Ref

）。选择必须从 Test 列

start

到名称以

Bio

开头的任何列。以下是示例数据框。

实际上它可以包含：

1. Test

   列之前的任意数量的列，

2. Test

   和

   Bio Ref

   之间的任意数量的列，如 2、3、4、5 等。

3. Bio Ref

   之后的任意数量的列。

4. Bio Ref

   列可以包含后缀，但

   Bio Ref

   将始终作为列名称的开头。

df_chunk = pd.DataFrame({
    'Waste':[None,None],
    'Test':['something', 'something'],
    '2':[None,None],
    '3':[None,None],
    'Bio Ref':['2-50','15-100'],
    'None':[None,None]})

df_chunk

   Waste         Test      2       3  Bio Ref  None
0   None    something   None    None     2-50  None
1   None    something   None    None   15-100  None

我已经尝试过以下有效的代码：

df_chunk.columns.str.startswith('Bio')

df_chunk[df_chunk.columns[pd.Series(df_chunk.columns).str.startswith('Bio')==1]]

问题：但是当我尝试使用它们进行多列选择时，它不起作用：

df_chunk.loc[:, 'Test':df_chunk.columns.str.startswith('Bio')]

Answer 1

您可以为布尔索引创建掩码：

m1 = np.maximum.accumulate(df_chunk.columns=='Test')
# array([False,  True,  True,  True,  True,  True])
m2 = np.maximum.accumulate(df_chunk.columns.str.startswith('Bio')[::-1])[::-1]
# array([ True,  True,  True,  True,  True, False])

# m1 & m2
# array([False,  True,  True,  True,  True, False])

out = df_chunk.loc[:, (m1&m2)]

或者确定正确的名称来构建切片：

start = 'Test'
end = next(iter(df_chunk.columns[df_chunk.columns.str.startswith('Bio')]), None)

out = df_chunk.loc[:, slice(start, end)]

输出：

        Test     2     3 Bio Ref
0  something  None  None    2-50
1  something  None  None  15-100

Answer 2

使用标准库中的

re.match

re

，如下所示：

import re
import pandas as pd
idxs = [i for i, el in enumerate(df_chunk.columns) if el == 'Test' or re.match(r'^Bio', el)]
df_subset = df_chunk[ df_chunk.columns[ idxs[0] : (idxs[1]+1) ] ]

输出：

        Test     2     3 Bio Ref
0  something  None  None    2-50
1  something  None  None  15-100