如何在Pandas中以通用方式筛选指定列含匹配值的行？

完全懂你的困扰——硬编码列名实在太麻烦，尤其是列数或列名变动的时候，每次改代码简直是重复劳动。这里有两个简洁的通用方法，完美适配你的需求：

方法一：apply + any（直观易读，新手友好） #

先动态获取所有Y_开头的列，再逐行检查这些列里是否有值以X_开头，只要满足任意一列就保留该行：

import pandas as pd

# 你的示例DataFrame
df = pd.DataFrame([
 ['sd', 'X_dsa', 'sd', 'ad'],
 ['X_ds', 'ad', 'dsd', 'asd'],
 ['ase', 'asd', 'asd', 'asd'],
 ['agr', 'aee', 'X_sa', 'atd']
], columns=['Y_aa', 'Y_ab', 'cc', 'dd'])

# 第一步：动态筛选Y_开头的目标列
filtered_columns = df.filter(regex=r"^Y_.*").columns

# 第二步：通用过滤逻辑，无需硬编码列名
desired_output = df[df[filtered_columns].apply(lambda col: col.str.startswith('X_')).any(axis=1)]

print(desired_output)

运行结果和你预期的完全一致：

Y_aa   Y_ab   cc   dd
0    sd  X_dsa   sd   ad
1  X_ds     ad  dsd  asd

逻辑拆解： #

• df[filtered_columns]：精准选中所有Y_开头的列，不管后续新增多少这类列都不用改代码
• apply(lambda col: col.str.startswith('X_'))：对每一列的所有值做前缀检查，返回一个全是布尔值的DataFrame
• .any(axis=1)：按行判断，只要该行有一个True（也就是任意目标列符合条件），就保留该行

方法二：stack + groupby（大数据量更高效） #

如果你的DataFrame行数特别多，这个方法的性能会更出色：

desired_output = df[df[filtered_columns].stack().str.startswith('X_').groupby(level=0).any()]

逻辑拆解： #

• stack()：把目标列的所有值转成一个Series，原行索引会被保留为多级索引的第一级
• str.startswith('X_')：逐个检查每个值是否符合前缀要求
• groupby(level=0).any()：按原行索引分组，只要组内有一个符合条件的值，就标记该行为True
• 最后用这个布尔Series过滤原DataFrame，得到最终结果

这两个方法都彻底摆脱了硬编码列名的限制，不管Y_开头的列是2个还是20个，都能自动适配，完美解决你列数变化时频繁改代码的痛点。

内容的提问来源于stack exchange，提问作者ltyrvol