Python/Pandas中如何用通配符泛型变量名选择相似列？

当然可以实现，Pandas里有几种实用方法来完成Stata中Week_*这种通配符匹配列名的操作，下面结合你的示例代码给出具体实现：

方法1：用filter(like=...)快速匹配 #

这是最直接对应Stata通配符的方法，专门用来筛选包含指定字符串的列：

# 先筛选所有以"Week_"开头的列，转成列表
week_cols = dt_temp1.filter(like='Week_').columns.tolist()

# 合并固定特征列和匹配到的周列
feat_cols = ['lag2_tfk_total','lag3_tfk_total','lag2_Trips_pp','lag3_Trips_pp',
             'ClinicID_fac'] + week_cols

# 提取训练集特征
x_train = dt_temp1.loc[dt_temp1['train'] == 1, feat_cols]

方法2：字符串前缀匹配（str.startswith） #

通过列名的字符串方法手动筛选，灵活性更强：

# 遍历所有列名，筛选以"Week_"开头的列
week_cols = [col for col in dt_temp1.columns if col.startswith('Week_')]

# 合并列列表
feat_cols = ['lag2_tfk_total','lag3_tfk_total','lag2_Trips_pp','lag3_Trips_pp',
             'ClinicID_fac'] + week_cols

x_train = dt_temp1.loc[dt_temp1['train'] == 1, feat_cols]

方法3：正则表达式匹配（filter(regex=...)） #

如果需要更复杂的匹配规则（比如匹配特定模式的列名），可以用正则表达式：

# 用正则匹配以"Week_"开头的列（^表示字符串开头）
week_cols = dt_temp1.filter(regex='^Week_').columns.tolist()

# 合并列列表
feat_cols = ['lag2_tfk_total','lag3_tfk_total','lag2_Trips_pp','lag3_Trips_pp',
             'ClinicID_fac'] + week_cols

x_train = dt_temp1.loc[dt_temp1['train'] == 1, feat_cols]

注意：你原代码里直接把'Week_*'放进feat_cols是无效的，Pandas不会自动识别这种通配符，必须先把匹配到的列名提取出来再合并到特征列表里。

内容的提问来源于stack exchange，提问作者Ren