过滤掉熊猫数据框中的某些列答案

【问题标题】：Filtering out certain columns in a pandas dataframe过滤掉熊猫数据框中的某些列
【发布时间】：2016-08-02 14:01:34
【问题描述】：

我正在尝试根据列名过滤掉我的 pandas 数据框中的某些列。

所以框架大致是：

import pandas as pd

dict_build = {'Var_1_Reading': [1,2,3,10,0.1], 'Var_1_Confidence':[1,1,1,1,1], 'Var_2_Reading': [1,2,3,10,0.1], 'Var_2_Confidence':[1,1,1,1,1]}
df = pd.DataFrame(dict_build)

我想删除最后带有Confidence 的列。我尝试使用filter，但无法解决。目前我正在做：

ColList_to_drop = df.filter(regex='Confidence', axis=1).columns.values
filtered_df = df.drop(ColList_to_drop, axis = 1)

我可以在正则表达式中完成这两个步骤吗？

【问题讨论】：

标签： python regex pandas

【解决方案1】：

应该这样做：

>>> cols = [col for col in df.columns if not col.endswith('Confidence')]    
>>> df = df[cols]

>>> df
   Var_1_Reading  Var_2_Reading
0            1.0            1.0
1            2.0            2.0
2            3.0            3.0
3           10.0           10.0
4            0.1            0.1

【讨论】：

【解决方案2】：

你可以使用negative lookahead assertion(?!...):

print df.filter(regex='^(?!.*Confidence).*$')
   Var_1_Reading  Var_2_Reading
0            1.0            1.0
1            2.0            2.0
2            3.0            3.0
3           10.0           10.0
4            0.1            0.1

【讨论】：

【解决方案3】：

你可以直接在列索引上使用str方法，如：

df.loc[:, ~df.columns.str.endswith('Confidence')]

【讨论】：

我刚刚意识到您想删除列而不是选择它们。所以我在列过滤器上添加了一个否定。