df.loc[:,df.columns.str.contains("spike")]

只需要迭代DataFrame。列，现在这是一个例子，在这个例子中，你将以一个匹配的列名列表结束:

import pandas as pd

data = {'spike-2': [1,2,3], 'hey spke': [4,5,6], 'spiked-in': [7,8,9], 'no': [10,11,12]}
df = pd.DataFrame(data)

spike_cols = [col for col in df.columns if 'spike' in col]
print(list(df.columns))
print(spike_cols)

输出:

['hey spke', 'no', 'spike-2', 'spiked-in']
['spike-2', 'spiked-in']

解释:

df。Columns返回列名列表 [col为df中的col。列如果'spike'在col]迭代列表df。如果col包含'spike'，则将其添加到结果列表中。这个语法是列表理解。

如果你只想要匹配的列的结果数据集，你可以这样做:

df2 = df.filter(regex='spike')
print(df2)

输出:

   spike-2  spiked-in
0        1          7
1        2          8
2        3          9

这个答案使用了DataFrame。过滤器方法来做这个没有列表理解:

import pandas as pd

data = {'spike-2': [1,2,3], 'hey spke': [4,5,6]}
df = pd.DataFrame(data)

print(df.filter(like='spike').columns)

只输出'spike-2'。你也可以使用regex，正如一些人在上面的评论中建议的那样:

print(df.filter(regex='spike|spke').columns)

将输出两个列:['spike-2'， 'hey spke']

另一个解决方案是返回df的一个子集，其中包含所需的列:

df[df.columns[df.columns.str.contains("spike|spke")]]

你也可以使用下面的代码:

spike_cols =[x for x in df.columns[df.columns.str.contains('spike')]]

你也可以使用df.columns[df.columns.str]。Contains (pat = 'spike')]

data = {'spike-2': [1,2,3], 'hey spke': [4,5,6], 'spiked-in': [7,8,9], 'no': [10,11,12]}
df = pd.DataFrame(data)

colNames = df.columns[df.columns.str.contains(pat = 'spike')] 

print(colNames)

这将输出列名:'spike-2'， 'spike- in'

关于pandas.Series.str.contains的更多信息。