python - 更简单的 python 等同于 R 风格的 grep，包括多个要匹配的东西

Question

这个问题几乎与 this one 重复，进行了一些调整。

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，我可以使用一些冗长的列表理解:

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))

但是如何使用列表理解在 python 中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部执行的字符串，以处理所有重复的 或 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 np
import pandas as pd

np.random.seed(21419)

df = pd.DataFrame({'cheese': np.random.randn(10),
                   'goats': np.random.randn(10), 
                   'boats': np.random.randn(10), 
                   'schmoats': np.random.randn(10), 
                   'schlomo': np.random.randn(10),
                   'cows': np.random.randn(10)})

---

以及要搜索的多个字符串:

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):
    cols = df.columns.values
    sidx = np.argsort(cols)
    return sidx[np.searchsorted(cols,query_cols,sorter=sidx)]

column_index(df, df.filter(regex="oa|sch").columns)
# [1 2 3 4]