如何从熊猫数据框中动态选择一个子集？

Question

我是新来的python，我想做这个特殊的任务，这对我来说似乎并不明显。我甚至不知道要搜索什么才能找到它。首先这里是代码片段，我会解释我的目标在它下面：

import pandas as pd 

mycolumns = ['col1', 'col2', 'col3'] 

df = pd.DataFrame(data=[[**1**,2,3,**1**,5,6],[1,2,3,4,5,6]], 
        columns=['col1_l', 'col2_l', 'col3_l', 'col1_r', 'col2_r', 'col3_r']) 

criteria = list() 
for col in mycolumns : 
    criterion = (df[col + '_l'] == df[col + '_r']) 
    criteria.append(criterion) 

df = df[criteria[0] | criteria[1] | ... | criteria[5]] 

print df 

输出：

col1_l col2_l col3_l col1_r col2_r col3_r 
0  1,  2,  3,  1,  5,  6 

我要的是能够选择满足数据框行所有指定的标准，但问题是列的数量不固定，每次运行可能有不同数量的列，我希望每次执行此操作时都会执行相同的操作。问题是，我怎么能写这样一行：

df = df[criteria[0] | criteria[1] | ... | criteria[5]] 

请记住，数据帧从一个连接SQL查询在数据库中获得的，我只是写了澄清这个例子中数据帧。谢谢你，如果这很明显，请原谅我。

Answer 1

使用np.logical_or.reduce：

print (df[np.logical_or.reduce(criteria)]) 
    col1_l col2_l col3_l col1_r col2_r col3_r 
0  1  2  3  1  5  6