Ich habe einen Pandas-Datenrahmen mit den folgenden Spaltennamen:

Ergebnis1, Test1, Ergebnis2, Test2, Ergebnis3, Test3 usw.

Ich möchte alle Spalten löschen, deren Name das Wort "Test" enthält. Die Anzahl solcher Spalten ist nicht statisch, sondern hängt von einer vorherigen Funktion ab.

Wie kann ich das machen?

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

Hier ist ein guter Weg dazu:

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

Billiger, schneller und idiomatischer: str.contains

In neueren Versionen von Pandas können Sie Zeichenfolgenmethoden für den Index und die Spalten verwenden. Hier str.startswithscheint eine gute Passform.

So entfernen Sie alle Spalten, die mit einem bestimmten Teilstring beginnen:

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

Für die Übereinstimmung ohne Berücksichtigung der Groß- und Kleinschreibung können Sie die Regex-basierte Übereinstimmung str.containsmit einem SOL-Anker verwenden:

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

Wenn gemischte Typen möglich sind, geben Sie dies na=Falseebenfalls an.

Sie können die gewünschten Spalten mit 'filter' herausfiltern.

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

Jetzt filtern

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

Bekommen..

   result1  result34
0   2.0     NaN
1   NaN     10.0

Dies kann ordentlich in einer Zeile erfolgen mit:

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

Verwenden Sie die DataFrame.selectMethode:

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

Diese Methode erledigt alles an Ort und Stelle. Viele der anderen Antworten erstellen Kopien und sind nicht so effizient:

df.drop(df.columns[df.columns.str.contains('Test')], axis=1, inplace=True)

Lass dich nicht fallen. Fangen Sie das Gegenteil von dem, was Sie wollen.

df = df.filter(regex='^((?!badword).)*$').columns

Der kürzeste Weg ist:

resdf = df.filter(like='Test',axis=1)

Lösung beim Löschen einer Liste von Spaltennamen, die Regex enthalten. Ich bevorzuge diesen Ansatz, weil ich die Dropdown-Liste häufig bearbeite. Verwendet einen negativen Filter-Regex für die Drop-Liste.

drop_column_names = ['A','B.+','C.*']
drop_columns_regex = '^(?!(?:'+'|'.join(drop_column_names)+')$)'
print('Dropping columns:',', '.join([c for c in df.columns if re.search(drop_columns_regex,c)]))
df = df.filter(regex=drop_columns_regex,axis=1)