比如有一个三百多列的数据集，想要快速找到包含xxx的列，这里有三种方法
[x for x in df.columns if 'xxx' in x]
[x for x in df.columns[df.columns.str.contain('xxx')]]
df.filter(like='xxx').columns
关于filter，这里可以多说一句，除了like匹配之外，还支持正则表达式匹配，参数为regex。
官方api上给出了filter更详细的用法，除了过滤列名外，还可以在行、列上进行筛选，filter全部的参数如下：
item:接收list类型参数，保留参数内项目的标签，举例
# 等同df[['a', 'b', 'c']] df.filter(item=['a', 'b', 'c'])
like like='xxx' 等同 ‘xxx' in labels
regex 正则表达式，输入字符串pattern
axis 表示作用的轴
更多示例见官网：DataFrame filter函数
补充：python-pandas如何选取满足条件的特定的行和列
我就废话不多说了，大家还是直接看代码吧~
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，希望能给大家一个参考，也希望大家多多支持。如有错误或未考虑完全的地方，望不吝赐教。
