Pandas用str.contains筛选含'io'/'ir'列报错，求解决方案

错误原因分析 #

你遇到的type object 'str' has no attribute 'contains'错误，是因为直接调用了Python内置的str类的contains方法——但Python原生字符串根本没有这个方法！

Pandas中的字符串方法（比如contains）是专门针对Series/Index对象的，需要通过.str访问器来调用，比如对列名（df.columns是一个Index对象）使用df.columns.str.contains()。

正确实现方法 #

根据你的需求（保留列名含'io'或'ir'的列，以及index），这里提供几种可行的写法：

方法1：用Pandas字符串方法（推荐）

这种方法利用正则表达式的|表示“或”，通过列名的布尔索引筛选：

# 生成布尔索引：列名包含'io'或'ir'，同时处理可能的空列名（na=False）
filtered_cols = df1.columns.str.contains('io|ir', na=False)
# 用.loc[:, ...]筛选列（如果index是行索引，会自动保留）
df = df1.loc[:, filtered_cols]

如果你的index是一个单独的列（而非行索引），需要额外保留它的话，可以修改正则表达式，把index列也包含进来：

filtered_cols = df1.columns.str.contains('^index$|io|ir', na=False)
df = df1.loc[:, filtered_cols]

方法2：列表推导式（更直观）

如果你不想用正则，直接判断列名是否包含指定子串：

# 先收集符合条件的列名
target_cols = [col for col in df1.columns if 'io' in col or 'ir' in col]
# 如果需要保留index列，就把它加到列表开头
target_cols = ['index'] + target_cols
# 筛选列
df = df1[target_cols]

方法3：优化索引方式

你原来用的df[:, ...]是NumPy的索引风格，在Pandas中虽然兼容，但更推荐使用.loc[:, 列条件]或者直接传入列名列表的方式，代码可读性更强。

验证结果 #

用你给出的示例数据集测试，以上方法都会得到包含index（如果是列）、aio、bir的新DataFrame，完全符合你的预期。

内容的提问来源于stack exchange，提问作者Sam