python - 在 Pandas 中，根据不同模式选择多列的惯用方式是什么？

Question

我正在尝试使用 Python 的 pandas 和 nycflights13.flights 数据集复制一些 R4DS 的 dplyr 练习。我想要做的是从该数据集中选择:

• 从年到日(含)的列；
• 所有以“delay”结尾的列；
• distance 和 air_time 列

在书中，Hadley 使用了以下语法:

library("tidyverse")
library("nycflights13")

flights_sml <- select(flights,
   year:day,
   ends_with("delay"),
   distance,
   air_time
)

在 pandas 中，我想出了以下“解决方案”:

import pandas as pd
from nycflights13 import flights

flights_sml = pd.concat([
    flights.loc[:, 'year':'day'],
    flights.loc[:, flights.columns.str.endswith("delay")],
    flights.distance,
    flights.air_time,
], axis=1)

另一种可能的实现:

flights_sml = flights.filter(regex='year|day|month|delay$|^distance$|^air_time$', axis=1)

但我确信这不是编写此类 DF 操作的惯用方式。我四处寻找，但还没有从 pandas API 中找到适合这种情况的东西。

Answer 1

你是对的。这将创建多个数据帧/系列，然后将它们连接在一起，从而导致大量额外工作。相反，您可以创建要使用的列的列表，然后只需选择这些列即可。

例如(保持相同的列顺序):

cols = ['year', 'month', 'day'] + [col for col in flights.columns if col.endswith('delay')] + ['distance', 'air_time']
flights_sml = flights[cols]