使用列名中的数字循环遍历列答案

【问题标题】：Looping through columns using number in column name使用列名中的数字循环遍历列
【发布时间】：2019-02-25 11:12:17
【问题描述】：

我的 pandas 数据框中有以下列 - client_1_name、client_2_name、clinet_3_name...一直到 client_10_name。

我想使用列名中的数字遍历列名，以确定特定列是否包含子字符串 - “Nike”。

我将如何理想地解决问题：

for i in range(1,10):
 df['Nike'] = df['Client_'+i+'_name'].str.contains('Nike', regex = True)

但我收到以下错误

    ---------------------------------------------------------------------------
    TypeError                                 Traceback (most recent call last)
    <ipython-input-85-28926af604a8> in <module>()
          2 
          3 for i in range(1,10):
    ----> 4     df_nike['Nike'] = df_nike['client_'+i+'_name'].str.contains('Nike', regex = True)

TypeError: can only concatenate str (not "int") to str

关于如何做到这一点的建议？

【问题讨论】：

标签： python regex string pandas

【解决方案1】：

你必须在连接之前将整数转换为字符串

for i in range(1,10):
# added `str()` around the `i`
    df['Nike'] = df['Client_'+str(i)+'_name'].str.contains('Nike', regex = True)

如果您使用的是 Python 3.6+，则可以使用 f 个字符串

for i in range(1,10):
# added `f` at the beginning of the string and {} around `i`
    df['Nike'] = df[f'Client_{i}_name'].str.contains('Nike', regex = True)

正如@Wen-Ben 在他的回答的第二部分中提到的那样，遍历列将导致覆盖您的新“Nike”列。如果您真的想检查所有列而不覆盖“Nike”，您应该像这样将i 添加到列名

for i in range(1,10):
# added `f` at the beginning of the string and {} around `i`
    df[f'Nike{i}'] = df[f'Client_{i}_name'].str.contains('Nike', regex = True)

【讨论】：

漂亮，效果很好。你能给我指出一些关于这个 f' 的文档吗？它是如何工作的？
当然。看起来它是用 PEP 498 写的 --> python.org/dev/peps/pep-0498
我想我有一个问题，如果 Client_1_name 包含“Nike”，但 Client_10_name 不包含，df['Nike'] 将返回 0，而不是 1，对吗？我如何指定“这些列中的任何一个”？

【解决方案2】：

不确定你需要做什么，但简单地修复你的代码添加str

for i in range(1,10):
   df['Nike'] = df['Client_'+str(i)+'_name'].str.contains('Nike', regex = True) # notice here you assign the value to one columns 10 times

你可能想要

for i in range(1,10):
   df['Nike'+str(i)] = df['Client_'+str(i)+'_name'].str.contains('Nike', regex = True)

【讨论】：

我想我有一个问题，如果 Client_1_name 包含“Nike”，但 Client_10_name 不包含，df['Nike'] 将返回 0，而不是 1，对吗？我如何指定“这些列中的任何一个”？

【解决方案3】：

考虑这个数据框，

df = pd.DataFrame(data = np.random.choice(list('ABCDEFGH')+['Nike'], 100).reshape(10,10), columns = ['Client_'+str(i)+'_name' for i in range(1,11)])

您可以使用检查列是否包含耐克

df.eq('Nike').any()

Client_1_name      True
Client_2_name     False
Client_3_name     False
Client_4_name      True
Client_5_name     False
Client_6_name      True
Client_7_name      True
Client_8_name      True
Client_9_name      True
Client_10_name     True

如果要提取列名，请尝试

s = df.eq('Nike').any()
s[s].index

Index(['Client_1_name', 'Client_4_name', 'Client_6_name', 'Client_7_name',
   'Client_8_name', 'Client_9_name', 'Client_10_name'],
  dtype='object')

如果您只想提取数字，请尝试

s[s].index.str.extract('(\d+)').astype(int).values.ravel().tolist()

[1, 4, 6, 7, 8, 9, 10]

【讨论】：