Question

在我的一个脚本中，我通过列名列表选择数据框的多个列。以下代码有效：

data = df[lst]

只要列表中的所有元素都包含在数据框中，它就可以正常工作。如果情况并非如此，则会返回错误＆＃34;＆＃39; ....＆＃39;不在索引＆＃34;。

是否有可能仍然选择列名包含在该列表中的所有列，即使列表中的所有元素都不包含在数据框中？

Answer 1

我认为你需要Index.intersection：

df = pd.DataFrame({'A':[1,2,3],
                   'B':[4,5,6],
                   'C':[7,8,9],
                   'D':[1,3,5],
                   'E':[5,3,6],
                   'F':[7,4,3]})

print (df)
   A  B  C  D  E  F
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

lst = ['A','R','B']

print (df.columns.intersection(lst))
Index(['A', 'B'], dtype='object')

data = df[df.columns.intersection(lst)]
print (data)
   A  B
0  1  4
1  2  5
2  3  6

numpy.intersect1d的另一个解决方案：

data = df[np.intersect1d(df.columns, lst)]
print (data)
   A  B
0  1  4
1  2  5
2  3  6

Answer 2

这里一个非常简单的解决方案是使用 filter()。在您的示例中，只需键入：

df.filter(lst)

它会自动忽略任何缺失的列。有关更多信息，请参阅 documentation for filter。

一般来说，filter 是一种非常灵活且强大的选择特定列的方法。特别是，您可以使用正则表达式。从@jezrael 借用示例数据，您可以键入以下任一内容。

df.filter(regex='A|R|B')
df.filter(regex='[ARB]')

这些都是微不足道的例子，但假设您只想要以这些字母开头的列，那么您可以输入：

df.filter(regex='^[ARB]')

Answer 3

很少有其他方法，列表理解要快得多

In [1357]: df[df.columns & lst]
Out[1357]:
   A  B
0  1  4
1  2  5
2  3  6

In [1358]: df[[c for c in df.columns if c in lst]]
Out[1358]:
   A  B
0  1  4
1  2  5
2  3  6

计时

In [1360]: %timeit [c for c in df.columns if c in lst]
100000 loops, best of 3: 2.54 µs per loop

In [1359]: %timeit df.columns & lst
1000 loops, best of 3: 231 µs per loop

In [1362]: %timeit df.columns.intersection(lst)
1000 loops, best of 3: 236 µs per loop

In [1363]: %timeit np.intersect1d(df.columns, lst)
10000 loops, best of 3: 26.6 µs per loop

详细

In [1365]: df
Out[1365]:
   A  B  C  D  E  F
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

In [1366]: lst
Out[1366]: ['A', 'R', 'B']

Answer 4

将*与列表一起使用

data = df[[*lst]]

它将给出期望的结果。

Answer 5

请尝试以下操作：

语法：数据框[[列列表]]

例如：df [['a'，'b']]

a

Out[5]: 
    a  b   c
0   1  2   3
1  12  3  44

X是要切片的请求列的列表

x = ['a','b']

这将为您提供需求切片：

a[x]

Out[7]: 
    a  b
0   1  2
1  12  3

性能：

%timeit a[x]
333 µs ± 9.27 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

逐列选择pandas数据帧

5 个答案: