定位 dataframe-column-title 第一个字母发生变化的列

Question

我有一个熊猫数据框，其中列的名称类似于： BT_XXX_XX.XX%_X.XX.XX ；EH_XXX_XX.XX%_XX.XX.XX ; C_XXX_XX.XX%_XX.XX.XX 其中 X 代表任何字母数字字符。他们完全杂乱无章。

我想将 DataFrame 拆分为包含 BT_ 、EH_和 C_* 的不同 DataFrame（就像我在 bash 脚本中所做的那样）。

我按字母顺序对它们进行了排序，以便按顺序排列 BT_ 、 EH_和 C_* 。但是，我不知道如何自动查找第一个字符串来创建一个全新的 DataFrame。

目前我可以通过每次检查每组列的位置来手动执行此操作。

#Sorting the dataframe by alphabetical order

dataset = dataset.reindex(sorted(dataset.columns), axis=1)

#Splitting the dataframe

df1 = dataset.iloc[:, :72]

df2 = dataset.iloc[:, 72:148]

df3 = dataset.iloc[148, 148:]

我希望自动执行此操作，以避免检查 BT_* 列的完成位置以及 EH_* 或 C_* 的开始位置。

Answer 1

您可以使用 str 的 startswith 函数来过滤列，如下例所示，无需在此之前对列进行排序df = pd.DataFrame(np.random.rand(10,10), columns=[f"{a}_{i}" for i in range(5) for a in "AB"])df1= df.loc[:, df.columns.str.startswith("A_")]df2 = df.loc[:, df.columns.str.startswith("B_")]display(df1.head())display(df2.head())

Answer 2

您可以使用groupby在第一个之前拆分存根上的 DataFrame '_'。您可以将它们存储在以存根作为键的字典中。df = pd.DataFrame(columns=['BT_XXX_XX.XX%_X.XX.XX', 'BT_13131_1231231',                            'EH_XXX_XX.XX%_XX.XX.XX', 'C_XXX_XX.XX%_XX.XX.XX'])dict(tuple(df.groupby(df.columns.str.split('_').str[0], axis=1))){'BT': Empty DataFrame Columns: [BT_XXX_XX.XX%_X.XX.XX, BT_13131_1231231] Index: [], 'C': Empty DataFrame Columns: [C_XXX_XX.XX%_XX.XX.XX] Index: [], 'EH': Empty DataFrame Columns: [EH_XXX_XX.XX%_XX.XX.XX] Index: []}