Python pandas.DataFrame.filter函数方法的使用

DataFrame.filter(self, items=None, like=None, regex=None, axis=None)

根据指定索引中的标签对数据框的行或列进行子集设置。

请注意，此例程不会在其内容上过滤数据框。过滤器将应用于索引标签。

Notes

items，like和regex参数执行相互排斥。

axis默认为使用[]建立索引时使用的信息轴。

例子

1）按列名过滤（使用 items 参数）

import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 保留指定列 'A' 和 'B'
filtered_df = df.filter(items=['A', 'B'], axis=1)
print(filtered_df)

2）按列名包含的子字符串过滤（使用 like 参数）

import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 筛选列名中包含 'A' 的列
filtered_df = df.filter(like='A', axis=1)
print(filtered_df)

3）使用正则表达式过滤列名（使用 regex 参数）

import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
})

# 筛选列名以 'B' 或 'C' 结尾的列
filtered_df = df.filter(regex='[BC]$', axis=1)
print(filtered_df)

4）按行名过滤（axis=0）

import pandas as pd

# 创建 DataFrame 并设置索引
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}, index=['row1', 'row2', 'row3'])

# 保留指定行 'row1' 和 'row3'
filtered_df = df.filter(items=['row1', 'row3'], axis=0)
print(filtered_df)