本文介绍三种无需显式循环、基于向量化操作的 Pandas 列筛选方法：布尔索引 + str.startswith()、drop() 配合条件掩码，以及正则表达式 filter()，兼顾可读性与性能。

本文介绍三种无需显式循环、基于向量化操作的 pandas 列筛选方法：布尔索引 + `str.startswith()`、`drop()` 配合条件掩码，以及正则表达式 `filter()`，兼顾可读性与性能。

在数据清洗过程中，经常需要根据列名特征批量删除列（例如剔除所有以 "post_" 开头但保留 "post_title" 的列）。若使用传统 for 循环或列表推导式，不仅代码冗长，还违背 Pandas 的向量化设计哲学——而真正“正确”的做法是利用其内置的字符串向量化方法与布尔索引机制。

以下以原始列名为例：
['sku', 'total_sales', 'post_author', 'post_date', 'post_date_gmt', 'product_type', 'post_title', 'post_excerpt', 'post_name', 'post_modified', 'post_modified_gmt', 'guid', 'post_type']

✅ 方法一：drop() + 向量化布尔掩码（推荐，清晰直观）

# 构建布尔掩码：列名以 'post_' 开头 且 不等于 'post_title'
mask = df_web.columns.str.startswith('post_') & (df_web.columns != 'post_title')
# 直接删除满足条件的列
df_web.drop(columns=df_web.columns[mask], inplace=True)

该方法逻辑直白、易于调试，str.startswith() 是向量化操作，性能优异；inplace=True 可避免重复赋值，节省内存。

✅ 方法二：布尔索引 + loc（函数式风格，不可变思维）

# 保留：列名等于 'post_title' OR 不以 'post_' 开头
df_web = df_web.loc[:, (df_web.columns == 'post_title') | ~df_web.columns.str.startswith('post_')]

此写法强调“保留规则”，符合函数式编程习惯，适合链式操作（如配合 assign() 或 pipe()），且天然支持不可变操作（不修改原 DataFrame）。

✅ 方法三：正则 filter()（简洁但需理解正则逻辑）

# 使用负向先行断言：匹配不以 'post_' 开头，或虽以 'post_' 开头但后缀不是 'title' 的列名
df_web = df_web.filter(regex=r'^(?!post_(?!title))')

正则 ^(?!post_(?!title)) 含义为：

• ^：字符串开头
• (?!...)：负向先行断言
• post_(?!title)：匹配 "post_" 后不紧接 "title" 的情况
• 整体即排除所有 "post_XXX"（XXX ≠ title），但保留 "post_title" 和其他无关列。

⚠️ 注意：正则虽一行解决，但可读性较低，建议仅在团队熟悉正则或需高度泛化（如多关键词/复杂模式）时采用。

? 最佳实践建议

• 优先使用方法一或二：语义明确、调试友好、性能无损；
• 避免在循环中调用 drop()（每次触发副本与索引重建，O(n²) 时间复杂度）；
• 列名筛选前，建议先验证掩码结果：print(df_web.columns[mask].tolist())；
• 若需复用逻辑，可封装为函数：

  def drop_columns_by_pattern(df, pattern, keep=None):
      mask = df.columns.str.contains(pattern) & ~(df.columns.isin([keep] if keep else []))
      return df.drop(columns=df.columns[mask])
  # 调用：df_web = drop_columns_by_pattern(df_web, r'^post_', keep='post_title')

掌握这些向量化技巧，不仅能提升代码执行效率，更是深入理解 Pandas 设计范式的起点。