df选取列名中带有特定字符的列并在原df修改

似乎现有df并没有简单选取列名中带有特定字符的列并进行修改的函数，虽然通过

df.filter(like="xxx")

可以获得筛选出的数据，但是这是df的一个拷贝，修改它并不会改变原来的df内容，可以使用

cols=df.filter(like="xxx").columns.values
for i in cols:
   df[i]=yourfunction(df[i])

这样就可以曲线救国，获得它的列名了！再通过原来的df直接对列名索引，就可以完成修改了。但是仔细想想就会发现这个方法很蠢，因为筛选得到了df，却只用了索引，所以只当不用对原df修改时，可以使用df.filter函数，但是如果需要修改的话，该函数并不是很好的选择。此时我们直接获取原df的所有列名，并对列名先行筛选，就能达到同样的效果，而不用生成一个冗余的df。实际好用的方法是:

cols0=df.columns.values
cols=filter(lambda x: "xxx" in x,cols0)

看着更简洁的方法:

cols0=df.columns.values
cols=[col for col in cols0 if "xxx" in col]

实际上它们也都是for循环加上逻辑表达式实现的，只是对于筛选数据方面来说，提供了更简单的形式。这里的"xxx" in col可以换成其它任何对元素的筛选规则。

补充：在验证df.filter函数是否为拷贝的时候，注意到将df传参时，传的也是引用，所以其实

df[i]=yourfunction(df[i])

这一步如果是返回df[i]的话，并不需要返回再赋值，在函数内就已经对df[i]本身的内容修改过了。python很多类型默认传引用的点需要经常注意，很容易忘记导致出错。