Python如何筛选包含特定年月的DataFrame列？

没问题，这在pandas里有几种实用的实现方式，我给你逐一说明：

方法一：通过日期类型转换筛选（最稳妥，推荐） #

这种方法不依赖列名的字符串格式，只要pandas能识别列名为日期就可以准确筛选，完全避免字符串匹配的歧义问题。

import pandas as pd

# 假设你的DataFrame名为df
# 先把所有列名尝试转换为datetime类型，非日期列会被转为NaT（Not a Time）
date_columns = pd.to_datetime(df.columns, errors='coerce')

# 构建筛选条件：年份为2021且月份为7，同时保留所有非日期列（把NaT的位置设为True）
filter_mask = (date_columns.dt.year == 2021) & (date_columns.dt.month == 7)
filter_mask = filter_mask.fillna(True)

# 应用筛选得到结果
filtered_df = df.loc[:, filter_mask]

方法二：字符串匹配筛选（适合列名格式固定的场景） #

如果你的日期列名严格遵循MM/DD/YYYY格式，可以直接通过字符串操作来筛选：

# 先定义需要保留的非日期列
non_date_cols = ['State_Name', 'City_Name', 'ID1', 'ID2']
# 筛选2021年7月的日期列：列名以/2021结尾，且拆分后的第一个部分是月份"7"
july_2021_cols = [col for col in df.columns if col.endswith('/2021') and col.split('/')[0] == '7']

# 合并列并筛选
filtered_df = df[non_date_cols + july_2021_cols]

注意：如果你的月份是两位格式（比如07/1/2021），记得把判断条件改成col.split('/')[0] == '07'。

方法三：正则表达式快速筛选 #

用df.filter()结合正则表达式可以一步完成，适合熟悉正则的同学：

# 正则规则：匹配非日期列，或者2021年7月的日期列（支持7或07开头的月份格式）
filtered_df = df.filter(regex=r'(State_Name|City_Name|ID1|ID2|^\d?7/\d+/2021$)')

以上几种方法都能帮你精准提取2021年7月的所有数据列，根据你的实际场景选就行～

内容的提问来源于stack exchange，提问作者DPatrick