本文介绍如何使用Pandas高效筛选出列名中同时包含“software”和“package”（不区分大小写）的DataFrame列，避免复杂正则表达式，通过布尔索引实现简洁、可读、健壮的列过滤。
本文介绍如何使用pandas高效筛选出列名中**同时包含“software”和“package”（不区分大小写）**的dataframe列，避免复杂正则表达式，通过布尔索引实现简洁、可读、健壮的列过滤。
在实际数据分析中，常需根据列名语义动态筛选字段——例如提取所有与“软件包”相关的列（如 'Software Package'、'Local Software Packages'）。此时，关键在于同时满足多个子字符串存在性条件，而非任一匹配（如 | 正则逻辑）。错误地使用 regex='software.*package|package.*software' 不仅冗长，还可能因顺序或空格导致漏匹配；而基于字符串方法的布尔掩码则更直观、稳定且性能更优。
推荐做法是分别构建两个不区分大小写的布尔掩码，再用逻辑与（&）组合：
# 创建两个独立的布尔条件
m1 = df.columns.str.contains('software', case=False) # 匹配含 "software" 的列名
m2 = df.columns.str.contains('package', case=False) # 匹配含 "package" 的列名
# 同时满足两个条件 → 筛选目标列
filtered_df = df.loc[:, m1 & m2]
✅ 优势说明：
- case=False 自动覆盖 Software/SOFTWARE/software 等变体，无需手动枚举大小写组合；
- str.contains() 默认支持子串匹配（非全词匹配），自然适配 'Software Package'、'Software XYZ Packages' 等含空格或中间字符的场景；
- 布尔索引运算清晰表达逻辑关系，易于调试与扩展（如后续增加 m3 = ... 条件）。
若仅需列名列表（而非子DataFrame），直接索引列索引即可：
selected_columns = df.columns[m1 & m2].tolist() # 输出示例：['Local Software Packages', 'Software XYZ Packages', 'Software Package']
⚠️ 注意事项：
- str.contains() 默认对 NaN 列名返回 False，若原始列名含缺失值，无需额外处理；
- 若需精确匹配单词边界（如排除 'software_update' 或 'packaging_tool'），可启用正则并添加 \b 边界符：
m1 = df.columns.str.contains(r'\bsoftware\b', case=False, regex=True) m2 = df.columns.str.contains(r'\bpackage\b', case=False, regex=True)
- 避免在 regex= 中拼接 | 多条件（如 'software|package'），这表示“或”关系，与需求相悖。
综上，利用 Pandas 字符串方法链式构建多条件布尔掩码，是处理此类列名筛选任务最简洁、可靠且符合 Pythonic 风格的实践方式。
