Правильный способ доступа к пандам

Question

Я пытаюсь получить доступ / создать список имен модулей из базы данных CEC, к которой обращается pvlib:

import pandas as pd
import pvlib as pv

cecmod = pv.pvsystem.retrieve_sam('CECMod')

Я хочу найти список имен модулей:

matching = [s for s in dir(cecmod) if "Trina" in s]

dir(cecmod) часть беспокоит меня Я наткнулся на этот способ получения списка заголовков столбцов данных (ключей?), Но я чувствую, что dir не предназначен для использования таким образом. Почему dir(pandas.DataFrame) вернуть этот список заголовков столбцов вместо? Это способ, которым должны использоваться кадры данных? Есть ли лучший способ получить доступ к этим заголовкам / ключам?

Answer 1

Нет, это действительно плохой дизайн. dir(..) предназначен для перечисления всех атрибутов объекта. Хотя это не всегда возможно, поскольку некоторые объекты генерируют атрибуты на лету.

Это также плохая идея, чтобы проверить с if "Trina" in s, так как в конечном итоге может случиться, что строка поиска находится в атрибуте.

Способ получить список столбцов просто использовать cecmode.columns, Который является Index(..) объект, как:

>>> cecmod.columns
Index(['BEoptCA_Default_Module', 'Example_Module', '1Soltech_1STH_215_P',
       '1Soltech_1STH_220_P', '1Soltech_1STH_225_P', '1Soltech_1STH_230_P',
       '1Soltech_1STH_235_WH', '1Soltech_1STH_240_WH', '1Soltech_1STH_245_WH',
       '1Soltech_1STH_FRL_4H_245_M60_BLK',
       ...
       'Zytech_Solar_ZT275P', 'Zytech_Solar_ZT280P', 'Zytech_Solar_ZT285P',
       'Zytech_Solar_ZT290P', 'Zytech_Solar_ZT295P', 'Zytech_Solar_ZT300P',
       'Zytech_Solar_ZT305P', 'Zytech_Solar_ZT310P', 'Zytech_Solar_ZT315P',
       'Zytech_Solar_ZT320P'],
      dtype='object', length=13953)

Он повторяется, а затем мы перебираем имена столбцов:

matching = [col for col in cecmod.columns if "Trina" in col]

который даст:

>>> [col for col in cecmod.columns if "Trina" in col]
['Trina_Solar_TSM_165DA01', 'Trina_Solar_TSM_170D', 'Trina_Solar_TSM_170DA01', 'Trina_Solar_TSM_170DA03', 'Trina_Solar_TSM_170PA03', 'Trina_Solar_TSM_175D', 'Trina_Solar_TSM_175DA01', 'Trina_Solar_TSM_175DA03', 'Trina_Solar_TSM_175PA03', 'Trina_Solar_TSM_180D', 'Trina_Solar_TSM_180DA01', 'Trina_Solar_TSM_180DA03', 'Trina_Solar_TSM_180PA03', 'Trina_Solar_TSM_185DA01', 'Trina_Solar_TSM_185DA01A', 'Trina_Solar_TSM_185DA01A_05', 'Trina_Solar_TSM_185DA01A_08', 'Trina_Solar_TSM_185DA03', 'Trina_Solar_TSM_185PA03', 'Trina_Solar_TSM_190DA01A', 'Trina_Solar_TSM_190DA01A_05', 'Trina_Solar_TSM_190DA01A_08', 'Trina_Solar_TSM_190DA03', 'Trina_Solar_TSM_190PA03', 'Trina_Solar_TSM_195DA01A', 'Trina_Solar_TSM_195DA01A_05', 'Trina_Solar_TSM_195DA01A_08', 'Trina_Solar_TSM_200DA01A', 'Trina_Solar_TSM_200DA01A_05', 'Trina_Solar_TSM_200DA01A_08', 'Trina_Solar_TSM_205DA01A', 'Trina_Solar_TSM_205DA01A_05', 'Trina_Solar_TSM_205DA01A_08', 'Trina_Solar_TSM_220DA05', 'Trina_Solar_TSM_220PA05', 'Trina_Solar_TSM_220PA05_05', ...

(выход отключен).

Мы также можем выполнить более быстрое сопоставление с .str.contains('Trina') как @DYZ говорит:

list(cecmod.columns[cecmod.columns.str.contains('Trina')])

Здесь мы позволяем библиотеке выполнять работу поиска, которая обычно превосходит циклы Python.

В качестве альтернативы используйте str.startswithпри условии, что строка поиска находится в начале имен столбцов:

list(cecmod.columns[cecmod.columns.str.startswith('Trina')])

Если вам нужны столбцы данных, а не только имена столбцов, используйте df.filter:

df.filter(like='Trina')