Pandas 筛选包含特定字符列的三种方法及 filter 详解

季宁

发布时间：2026-10-15 | 3人浏览过

原创

本文介绍在 Pandas 中快速筛选包含特定字符列的三种常用方法：利用 if 判断结合列表推导式、使用 str.contains 配合列表解析，以及调用 DataFrame 的 filter 函数。重点解析 filter 函数的 like、regex 和 item 参数，展示如何结合行与列条件进行精准数据提取，并提供完整代码示例供参考。

问题提出：

假设面对一个拥有数百列的大型数据集，需要高效定位并提取包含特定字符串 'xxx' 的列名。针对这一需求，本文总结了三种高效的实现路径。

方法一：if 判断结合列表推导式


[x for x in df.columns if 'xxx' in x]

方法二：利用 str.contains 方法配合列表解析式


[x for x in df.columns[df.columns.str.contain('xxx')]]

方法三：使用 DataFrame 的 filter 函数


df.filter(like='xxx').columns

关于 filter 函数，需要补充说明的是，除了基础的 like 模糊匹配外，它还支持通过 regex 参数进行正则表达式匹配，功能更为强大。

查阅官方 API 文档可知，filter 不仅用于列名过滤，还能在行和列两个维度上进行筛选。其完整参数列表如下所示。

item 参数：接收 list 类型的参数，用于保留指定标签的项目。具体示例如下。


# 等同df[['a', 'b', 'c']]
df.filter(item=['a', 'b', 'c'])

like 参数：等同于判断 'xxx' 是否在标签列表中。

regex 参数：用于输入正则表达式字符串 pattern。

axis 参数：指定操作作用的轴（axis）。

更多详细示例可参考官网文档：DataFrame filter 函数。

补充内容：Python Pandas 如何选取满足特定条件的行和列。

此处不再赘述文字，请直接参考以下代码实现。


import pandas as pd
df1 = pd.read_csv("data/trans/bike_flow.csv")
# ['t_idx' 'r_idx' 'c_idx' 'bike_out_cnt' 'bike_in_cnt' 'flow_stay' 'flow_in' 'flow_out']
print(df1.columns.values)
# (23016, 8)
print(df1.shape)
# ['t_idx', 'bike_in_cnt']是取特定的列
# df1['bike_in_cnt'] > 10是取特定的行
df2 = df1[['t_idx', 'bike_in_cnt']][df1['bike_in_cnt'] > 10]
# (328, 2)
print(df2.shape)

以上为个人经验总结，旨在提供参考。如有错误或未考虑周全之处，欢迎指正。