使用正则表达式筛选包含两个指定字符串的Pandas数据框列

我明白你的需求啦——你想从Pandas数据框里筛选出列名同时包含DE、NL、FR中两个不同项的列，而不是只要包含其中一个就保留对吧？之前用df.filter(regex="DE|NL|FR")会把AT-DE这种只含一个目标字符串的列也选进来，确实不符合预期。这里有两个靠谱的解决方案：

方法一：使用正则表达式精准匹配 #

我们可以利用正则的正向预查功能，构造一个能同时检测到两个目标字符串的模式，确保列名里必须包含至少两个指定的代码：

# 构造正则模式：匹配同时包含任意两组目标字符串的列
pattern = r'(?=.*DE)(?=.*NL)|(?=.*DE)(?=.*FR)|(?=.*NL)(?=.*FR)'
filtered_df = df.filter(regex=pattern)

正则说明： #

• (?=.*DE) 是正向预查，确保字符串中存在DE（不管位置）
• 用|分隔三种组合：DE+NL、DE+FR、NL+FR，只要列名满足其中一种组合就会被选中

方法二：用列表推导式（更直观易读） #

如果你的列名格式都是类似XX-YY这种两个代码用连字符分隔的形式，用列表推导式结合集合交集的方法会更清晰，也更容易维护：

# 定义目标字符串集合
target_codes = {'DE', 'NL', 'FR'}

# 筛选列名分割后，与目标集合的交集长度为2的列
selected_columns = [
    col for col in df.columns 
    if len(target_codes.intersection(col.split('-'))) == 2
]

# 生成筛选后的数据框
filtered_df = df[selected_columns]

逻辑说明： #

1. 把每个列名按-分割成两个部分
2. 计算分割后的部分和目标集合的交集长度，如果等于2，说明这个列名包含两个不同的目标代码
3. 最后用选中的列名子集生成新的数据框

这两种方法都能精准筛选出DE-NL、NL-DE、DE-FR这类符合要求的列，同时排除AT-DE这种仅含一个目标代码的列。

内容的提问来源于stack exchange，提问作者Denver Dang