在 pandas DataFrame 中搜索列

Question

我需要获取 Pandas DataFrame 的列名，其中的列与 NumPy 数组中的列匹配。

示例

import numpy as np
import pandas as pd

x = pd.DataFrame( data=[[0, 0, 1], [0, 1, 0], [1, 0, 0], [0, 1, 1], [0, 1, 0], [0, 1, 1]], columns=list('abc') )

y = np.array( x[['b','c']] )
y

y从DataFrame获取第二列和第三列：

array([[0, 1],
       [1, 0],
       [0, 0],
       [1, 1],
       [1, 0],
       [1, 1]])

如何获取在 x 中存在 y 的列名？（在本例中为 b，c）

我需要类似于以下内容：

x[ x==y ].columns

或者

pd.DataFrame(y).isin(x)

---

这个示例是为了解决特征选择问题而设计的，并且参考了sklearn页面上的内容。

---

我使用的是numpy 1.11.1和pandas 0.18.1。

- Luis

---

输入是否总是只包含0和1？ - Divakar

@Divakar 不是，但它们始终是数字。我的现在实际上是“浮点数”。 - Luis

数组中的小数位是否重要？ - Divakar

Answer 1

这里有一种使用NumPy广播的方法-

x.columns[(x.values[...,None] == y[:,None]).all(0).any(1)]

- Divakar

---

太酷了！你能解释一下 x.values[...,None] 是什么吗？ - MaxU - stand with Ukraine

@MaxU 好的，我们在提取的数组末尾引入了一个单例维度。本质上它是 x.values[:,:,None]。通过使用那个省略号，我们只是替换了 :,:。来自这篇帖子：“在这里使用省略号表示未指定的其余数组维度的占位符。”。 - Divakar

我喜欢这个答案。我也开始这样做了！但那只是因为你教给我的东西;-) - piRSquared

@Divakar，当我第一次接触广播时，它对我来说很有意义。但是要跟踪正在发生的事情以及何时发生仍然很棘手。反复查看您的示例已经教会了我很多，并使我能够穿越学习曲线，否则这将更加陡峭。 - piRSquared

@Divakar，piRSquared，这对我来说仍然很棘手，但它非常快速和有用。谢谢你，Divakar！ - MaxU - stand with Ukraine

Answer 2

也许是这个吗？

import numpy as np
import pandas as pd

x = pd.DataFrame( data=[[0, 0, 1], [0, 1, 0], [1, 0, 0], [0, 1, 1], [0, 1, 0], [0, 1, 1]], columns=list('abc') )

y = np.array( x[['b','c']] )

for yj in y.T:
    for xj in x:
        if (all(x[xj] == yj)):
            print(xj)

- John Smith