如何通过部分匹配列名实现Pandas DataFrame的条件行过滤？

没问题，这事儿很好解决！核心思路就是先通过正则找到你需要的目标列，再用它来完成行过滤操作。我给你一步步拆解：

步骤1：用正则匹配目标列名 #

Pandas的filter()方法支持regex参数，专门用来按正则规则匹配列名。比如你要匹配以WinningPo开头的列（对应你需求里的WinningPo.*），可以这么写：

# 匹配所有以WinningPo开头的列
matched_columns = dataframe.filter(regex=r'^WinningPo.*').columns

这里的^是正则里的「行首锚点」，能确保只匹配开头是WinningPo的列，避免误匹配到中间包含这段字符的其他列。如果确定只有一个符合条件的列（比如你的WinningPoints），直接取第一个元素就能拿到完整列名：

target_col = matched_columns[0]

步骤2：用匹配到的列执行过滤 #

拿到动态匹配的列名后，就可以像你之前那样写过滤逻辑了，只是把硬编码的列名换成我们拿到的target_col：

# 注意：如果WinningPoints是数值类型，不要加引号！只有字符串类型才需要>'40'
filtered_data = dataframe[dataframe[target_col] > 40]

完整可运行示例 #

我给你写了个模拟场景的代码，方便你直接测试：

import pandas as pd

# 模拟你的DataFrame结构
df = pd.DataFrame({
    'WinningPoints': [38, 42, 55, 39],
    'PlayerName': ['Alice', 'Bob', 'Charlie', 'David'],
    'Team': ['Red', 'Blue', 'Red', 'Blue']
})

# 1. 正则匹配目标列名
matched_cols = df.filter(regex=r'^WinningPo.*').columns
target_col = matched_cols[0]

# 2. 执行条件过滤
filtered_df = df[df[target_col] > 40]

print(filtered_df)

运行后会输出符合条件的行，且保留所有列：

WinningPoints PlayerName  Team
1             42        Bob  Blue
2             55     Charlie  Red

小提醒 #

• 注意列的数据类型：如果WinningPoints是数值类型（int/float），一定要用>40（不带引号）；如果是字符串类型才用>'40'，否则字符串比较会出现逻辑错误（比如'5' > '40'会返回True，因为字符串是按首字符ASCII码对比的）。
• 如果有多个符合正则的列，你可能需要额外判断（比如取特定索引的列，或者循环处理），但按你的需求，用^WinningPo.*应该只会匹配到WinningPoints这一列。

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