Хватит тратить время на ручное извлечение столбцов по их именам или индексам, пора пользоваться более продвинутыми механизмами, о которых и пойдет речь в этой статье. В качестве критериев для интеллектуальной выборки возьмем соответствие их имен и типов неким правилам.
В демонстрационных целях будем использовать следующий датафрейм:
Для селекции по типам рассмотрим два способа. Первый - использование функции NumPy where:
np.where выбирает кортеж индексов (по всем измерениям) ненулевых элементов массива. Аналогичное поведение - с помощью метода nonzero:
Однако это не самый оптимальный способ выборки колонок по типам, так как для этого можно использовать метод датафрейма select_dtypes:
При этом можно, как включать определенные типы с параметром include, так и исключать через exclude:
Для выборки столбцов по именам рассмотрим опять же два способа. Первый - это включение элементов атрибута columns, которые удовлетворяют некому условию (например, имеют подстроку "old"):
Однако есть и более простой способ - метод filter:
Как можно заметить, с использованием параметра regex можно задать регулярное выражение, которому должны удовлетворять имена колонок.
