Pandas, die DataFrames durchlaufen und nur Spaltenüberschriften beibehalten. Fehler Ergebnisse, wenn die angegebene Überschrift nicht im Datenrahmen ist

Question

Ich möchte Pandas in Python verwenden, um mehrere Dataframes durchzulaufen und nur Überschriften aus einer angegebenen keep_col-Liste zu behalten. Der Code führt zu einem Fehler, wenn ein DataFrame keine angegebene Überschrift enthält (KeyError: "['str2'] nicht im Index").

Der folgende pandas Code erstellt 2 Beispiel Datenrahmen mit unterschiedlichen Namen Spaltenüberschrift:

import pandas as pd 
import numpy as np 

df1 = pd.DataFrame(np.random.randn(2,5), columns=('A','B','str1','str2','str3')) 
df2 = pd.DataFrame(np.random.randn(2,3), columns=('A','B','str1')) 
print df1 
print df2 

Ausgangsdatenrahmen

A   B   str1  str2  str3 
-0.152686 0.189076 -1.079168 -0.823674 1.489668 
-1.272144 0.694862 0.036248 0.319550 0.782666 

A   B   str1 
0.310152 1.302962 -0.284632 
1.046044 0.090650 0.861716 

Der folgende Code führt zu einem Fehler, weil 'str2' nicht in ‚DF2 ist ".

Wie kann dies geändert werden, um eine "keep_col" -Listenfolge zu ignorieren, wenn sie sich nicht in einer DataFrame-Überschrift befindet?

#delete columns 
keep_col = ['A','str2'] #need code here to ignore 'str2' when generating 'df2' 
new_df1 = df1[keep_col] 
new_df2 = df2[keep_col] 

print new_df1 
print new_df2 

Dies ist die gewünschte Ausgabe:

A   str2  
-0.152686 -0.823674 
-1.272144 0.319550 

A  
0.310152 
1.046044 

diesem Beispiel der Einfachheit halber ist. Ich werde mehr als 100 CSV-Dateien durchlaufen, um nur bestimmte Spalten zu behalten.

Answer 1

können Sie filter() Funktion in Verbindung mit RegEx verwenden:

In [79]: mask = r'^(?:A|str2)$' 

In [80]: df1.filter(regex=mask) 
Out[80]: 
      A  str2 
0 -1.190226 -0.123637 
1 -1.782685 0.219820 

In [81]: df2.filter(regex=mask) 
Out[81]: 
      A 
0 0.207736 
1 -0.013273 

Answer 2

Sie können eine Liste Verständnis verwenden, um eine Liste aller Spaltenüberschriften zu erzeugen, die in keep_col sind.

new_df1 = df1[[c for c in df1.columns if c in keep_col]] 
new_df2 = df1[[c for c in df2.columns if c in keep_col]] 

print new_df1 
>>> 
      A  str2 
0 1.480978 0.369485 
1 -0.969107 0.767707 

print new_df2 
>>> 
      A 
0 1.480978 
1 -0.969107