更简单的 Python 等效于 R 风格的 grep，包括多个要匹配的内容

Question

这个问题是一个近乎重复的这一个，有一些调整。

获取以下数据框，并获取其中包含“sch”或“oa”的列的位置。在 R 中足够简单：

df <- data.frame(cheese = rnorm(10),

                 goats = rnorm(10), 

                 boats = rnorm(10), 

                 schmoats = rnorm(10), 

                 schlomo = rnorm(10),

                 cows = rnorm(10))

grep("oa|sch", colnames(df))

[1] 2 3 4 5

write.csv(df, file = "df.csv")

现在在 python 中，我可以使用一些详细的列表理解：

import pandas as pd

df = pd.read_csv("df.csv", index_col = 0)

matches = [i for i in range(len(df.columns)) if "oa" in df.columns[i] or "sch" in df.columns[i]]

matches

Out[10]: [1, 2, 3, 4]

我想知道在 python 中是否有比上面的列表理解示例更好的方法。具体来说，如果我有几十个字符串要匹配怎么办。在 R 中，我可以做类似的事情

regex <- paste(vector_of_strings, sep = "|")

grep(regex, colnames(df))

但是如何在 python 中使用列表理解来做到这一点并不明显。也许我可以使用字符串操作以编程方式创建将在列表内执行的字符串，以处理所有重复的or语句？

Answer 1

使用 pandas 的DataFrame.filter运行相同的正则表达式：df.filter(regex = "oa|sch").columns# Index(['goats', 'boats', 'schmoats', 'schlomo'], dtype='object')df.filter(regex = "oa|sch").columns.values# ['goats' 'boats' 'schmoats' 'schlomo']数据import numpy as npimport pandas as pdnp.random.seed(21419)df = pd.DataFrame({'cheese': np.random.randn(10),&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;'goats': np.random.randn(10),&nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;'boats': np.random.randn(10),&nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;'schmoats': np.random.randn(10),&nbsp;&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;'schlomo': np.random.randn(10),&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;'cows': np.random.randn(10)})并且要搜索多个字符串：rgx = "|".join(list_of_strings)df.filter(regex = rgx)要返回索引，请考虑来自@Divakar 的矢量化 numpy 解决方案。请注意，与 R 不同，Python 是零索引的。def column_index(df, query_cols):&nbsp; &nbsp; cols = df.columns.values&nbsp; &nbsp; sidx = np.argsort(cols)&nbsp; &nbsp; return sidx[np.searchsorted(cols,query_cols,sorter=sidx)]column_index(df, df.filter(regex="oa|sch").columns)# [1 2 3 4]&nbsp;

Answer 2

也许您正在寻找re模块？import repattern = re.compile("oa|sch")[i for i in range(len(df.columns)) if pattern.search(df.columns[i])]# [1, 2, 3, 4]与 R 的矢量化相比，可能不是最好的，但列表理解应该没问题。如果你想将字符串连接在一起，你可以做类似的事情"|".join(("oa", "sch"))# 'oa|sch'