python - 循环正则表达式以通过多个名称-值组合提取列

Question

我有一个数据框，其列名称为 v1,...,v99, tm1,...tm99 等。但并非每个数字都存在一列(缺少 mybe v42)。字母可以从 a 到 zzz 不等。我编写了一种方法，根据字母组合(如 'v' 或 'tm')后跟数字来过滤我的列。这看起来像

def create_required_dataset(df, var_filter):
    persDf = df.filter(regex=('^' + var_filter + r'[0-9]+$'))
    return persDf

这有效create_required_dataset('v')，我收到一个数据帧，其中所有列均以v开头，后跟数字。

并且工作正常。但现在我不仅要提供一个字母组合 ('tm', 'zzz')，还要提供用户输入的任意多个字母组合。

因此查询应如下所示:

create_required_dataset('v', 'tm', 'zz')

我尝试的是使用*args，所以我将我的方法重写为

def create_required_dataset(df, *args):
    persDf = df.filter(regex=('^' + args + r'[0-9]+$'))
    return persD

但这不起作用，即使我将元组转换为列表。显然，因为regex只需要一个字符串。我考虑过应用 regex 函数的 Lambda-Apply 方法，但无法让它正常工作。我现在不知道如何实现这一点，需要一些帮助。我

Answer 1

您可以使用基于交替的模式，只需用非捕获组包装替代模式

persDf = df.filter(regex=('^(?:{})[0-9]+$'.format('|'.join(args))))

这将创建一个像 ^(?:v|tm|zz)[0-9]+$ 这样的正则表达式，这意味着:

• ^ - 字符串开头
• (?:v|tm|zz) - 任何替代方案:v、或tm、或zz
• [0-9]+ - 1+ 位数字
• $ - 字符串结尾。

请参阅regex demo和 its graph :