在 Pandas 数据帧中选择多个列

python select pandas dataframe

2022-09-05 00:54:04

如何选择列和 from，并将它们保存到新的数据帧中？abdfdf1

index  a   b   c
1      2   3   4
2      3   4   5

尝试失败：

df1 = df['a':'b']
df1 = df.ix[:, 'a':'b']

答案 1

列名（即字符串）无法以您尝试的方式进行切片。

在这里，您有几个选择。如果从上下文中知道要切除哪些变量，则可以通过将列表传递到__getitem__语法（[]）中来仅返回这些列的视图。

df1 = df[['a', 'b']]

或者，如果按数字而不是按名称对它们进行索引很重要（假设您的代码应该在不知道前两列的名称的情况下自动执行此操作），那么您可以这样做：

df1 = df.iloc[:, 0:2] # Remember that Python does not slice inclusive of the ending index.

此外，您应该熟悉 Pandas 对象视图与该对象的副本的概念。上述方法中的第一个将在内存中返回所需子对象（所需切片）的新副本。

但是，有时Pandas中的索引约定不会这样做，而是为您提供一个新变量，该变量仅引用与原始对象中的子对象或切片相同的内存块。这将在第二种索引方式中发生，因此您可以使用该方法对其进行修改以获取常规副本。发生这种情况时，更改您认为切片对象的内容有时会更改原始对象。总是很高兴能注意到这一点。.copy()

df1 = df.iloc[0, 0:2].copy() # To avoid the case where changing df1 also changes df

要使用，您需要知道列位置（或索引）。由于列位置可能会发生变化，因此可以不对索引进行硬编码，而是使用数据帧对象的方法获取列索引。ilocilocget_loccolumns

{df.columns.get_loc(c): c for idx, c in enumerate(df.columns)}

现在，您可以使用此字典通过名称和使用访问列。iloc

答案 2

从版本 0.11.0 开始，可以按照您尝试使用 .loc 索引器的方式对列进行切片：

df.loc[:, 'C':'E']

获取与

df[['C', 'D', 'E']] # Mind, this makes a copy.

或

df.loc[:, ['C', 'D', 'E']] # This does not make a copy (better).

并通过返回列。CE

关于随机生成的数据帧的演示：

import pandas as pd
import numpy as np
np.random.seed(5)
df = pd.DataFrame(np.random.randint(100, size=(100, 6)),
                  columns=list('ABCDEF'),
                  index=['R{}'.format(i) for i in range(100)])
df.head()

Out:
     A   B   C   D   E   F
R0  99  78  61  16  73   8
R1  62  27  30  80   7  76
R2  15  53  80  27  44  77
R3  75  65  47  30  84  86
R4  18   9  41  62   1  82

要从中获取列 to （请注意，与整数切片不同，包含在列中）：CEE

df.loc[:, 'C':'E']

Out:
      C   D   E
R0   61  16  73
R1   30  80   7
R2   80  27  44
R3   47  30  84
R4   41  62   1
R5    5  58   0
...

这同样适用于根据标签选择行。从这些列中获取行：R6R10

df.loc['R6':'R10', 'C':'E']

Out:
      C   D   E
R6   51  27  31
R7   83  19  18
R8   11  67  65
R9   78  27  29
R10   7  16  94

.loc还接受布尔数组，因此您可以选择数组中相应条目为的列。例如，如果列名在列表中，则返回 - True ;否则为假。Truedf.columns.isin(list('BCD'))array([False, True, True, True, False, False], dtype=bool)['B', 'C', 'D']

df.loc[:, df.columns.isin(list('BCD'))]

Out:
      B   C   D
R0   78  61  16
R1   27  30  80
R2   53  80  27
R3   65  47  30
R4    9  41  62
R5   78   5  58
...