如何无需逐个输入列名来按名称选择多列

嘿，完全懂你不想挨个敲列名，也不想依赖索引（毕竟列顺序万一变了就麻烦了）的需求！下面给你几种在Pandas里按名称批量选择多列的实用方法，覆盖不同场景：

• 当列名有统一前缀/后缀或匹配特定规则时，用filter()方法
  这个方法特别适合列名有规律的情况，比如所有用户相关列都以user_开头，或者日期列都以_date结尾：

  # 选择所有包含"user_"的列
  df.filter(like='user_')
  
  # 用正则匹配，选择所有以"_date"结尾的列
  df.filter(regex='_date$')
  

• 列名已提前整理成列表时，直接传入列表选择
  如果你已经有了目标列名的列表（不管是手动整理的、从配置文件读的，还是动态生成的），直接用列表索引即可：

  # 假设你已经有了目标列名列表
  target_columns = ['user_id', 'order_amount', 'purchase_date']
  df[target_columns]
  
  # 动态生成：排除不需要的列，选择剩下的所有列
  exclude_columns = ['log_id', 'timestamp']
  target_columns = [col for col in df.columns if col not in exclude_columns]
  df[target_columns]
  

• 选择包含特定关键词的列，用列表推导式
  要是你想选所有包含某个关键词的列，比如所有和价格相关的列，用列表推导式配合in判断就很灵活：

  # 选择列名中包含"price"的所有列
  df[[col for col in df.columns if 'price' in col]]
  

如果是用其他数据处理工具（比如R的dplyr），也有类似的便捷函数，比如starts_with()、contains()，核心思路都是围绕列名的特征批量筛选，不用逐个手动输入~

内容的提问来源于stack exchange，提问作者KKhosra