如何在Pandas DataFrame中精准筛选指定列并保留xvalues列？

需求1：保留xvalues列 + 筛选含'2.5'/'2.7'/'3.6'的列 #

你之前的写法仅匹配了含'2.5'的列，未包含xvalues列。可以通过两种方式实现需求：

方法1：正则表达式同时匹配目标列和xvalues #

注意正则中.需转义为\.（否则会匹配任意字符），同时精确匹配xvalues列名：

df_filtered = df_psrr_funct.filter(regex='^xvalues$|2\.5|2\.7|3\.6')

方法2：手动构造列名列表（更直观） #

先收集符合条件的列，再结合xvalues列进行切片：

target_cols = [col for col in df_psrr_funct.columns if any(sub in col for sub in ['2.5', '2.7', '3.6'])]
df_filtered = df_psrr_funct[['xvalues'] + target_cols]

需求2：精确筛选含'1.6'/'1.62'/'1.656'的列（避免模糊匹配） #

之前的1\.6会匹配所有包含1.6的子串（比如1.65、1.62），要实现精确匹配，需确保目标数值是列名中的独立分段（前后为下划线或列名首尾）：

方法1：正则边界断言 #

通过正向/反向断言限定匹配范围，避免模糊匹配：

df_filtered_1v6 = df_psrr_funct.filter(regex='^xvalues$|(?<=_|^)1\.6(?=_|$)|(?<=_|^)1\.62(?=_|$)|(?<=_|^)1\.656(?=_|$)')

• (?<=_|^)：匹配前面是下划线或列名开头的位置
• (?=_|$)：匹配后面是下划线或列名结尾的位置
• 该规则确保1.6仅匹配独立的子串，不会被1.65中的1.6部分误匹配

方法2：拆分列名校验（更易读） #

将列名按下划线拆分，检查目标子串是否为独立分段：

exact_substrings = ['1.6', '1.62', '1.656']
target_cols_1v6 = [col for col in df_psrr_funct.columns if any(sub in col.split('_') for sub in exact_substrings)]
df_filtered_1v6 = df_psrr_funct[['xvalues'] + target_cols_1v6]

内容的提问来源于stack exchange，提问作者Confused