查找带有月份字符串的列名列表。

Question

我有一个列名的dataframe，如下所示

import pandas as pd 
​
data = [['30-06-2021', 3.4, 43578, '31-01-2022', 5000, '28-02-2022', 78564, '31-03-2022', 52353, '30-04-2022'], 
        ['14-06-2021', 8.9, 4475, '14-01-2022', 2546, '05-02-2022', 5757, '28-03-2022', 2352, '01-04-2022']]
ds = pd.DataFrame(data, columns = ['Start', 'Rate', 'Jan-22Total', 'Jan-22', 'Feb-22Total', 'Feb-22', 'Mar-22Total', 'Mar-22',
                                   'Apr-22Total', 'Apr-22'])

    Start       Rate Jan-22Total  Jan-22   Feb-22Total  Feb-22  Mar-22Total Mar-22   Apr-22Total  Apr-2
0   30-06-2021  3.4    43578    31-01-2022   5000     28-02-2022  78564   31-03-2022    52353   30-04-2022
1   14-06-2021  8.9    4475     14-01-2022   2546     05-02-2022   5757   28-03-2022    2352    01-04-2022

我想找到一个包含特定字符串的列表，比如Jan-22Total、Jan-22、Feb-22Total、Feb-22、Mar-22Total、Mar-22等等。基本上是%b-%y格式。

我试过几个密码，但还是没有线索。名单还没出来。

这是我迄今为止尝试过的，但是结果只显示了[]。

total_col = [col for col in ds.columns if '%b-%y' in col]
print(list(ds.columns))
print(total_col)

我该如何列出列名？

Answer 1

简单方法

如果您不需要确保有效日期，则可以使用简短的正则表达式，这是一种粗糙但可能足够的方法：

m = ds.columns.str.match(r'\w+-\d+')
cols = ds.columns[m]

输出：['Jan-22Total', 'Jan-22', 'Feb-22Total', 'Feb-22', 'Mar-22Total', 'Mar-22', 'Apr-22Total', 'Apr-22']

r'[A-Z][a-z]{2}-\d+' (3个字母大写的月份缩写)是一个稍具判断力的正则表达式。

鲁棒方法

一个更健壮的方法是使用pandas.to_datetime验证日期。

m = (pd.to_datetime(ds.columns.str.extract(r'^(\w+-\d+)',
                    expand=False), format='%b-%y', errors='coerce')
        .notna()
     )
cols = ds.columns[m]