在pandas数据框中选择多个列
我有不同列中的数据，但我不知道如何提取它以将其保存在另一个变量中。
index a b c
1 2 3 4
2 3 4 5
如何选择'a'，'b'并将其保存到df1？
我试过
df1 = df['a':'b']
df1 = df.ix[:, 'a':'b']
似乎无效。
23 个答案:
答案 0 :(得分：1266)
无法以您尝试的方式对列名称（字符串）进行切片。
这里有几个选项。如果您从上下文中了解要切出哪些变量，则只需通过将列表传递到__getitem__语法（[]的）来返回仅包含这些列的视图。
df1 = df[['a','b']]
或者，如果以数字方式对它们进行索引很重要，而不是通过它们的名称（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，您应该熟悉一个Pandas对象视图与该对象副本的概念。上述方法中的第一个将在所需子对象（所需切片）的存储器中返回新副本。
然而，有时候，Pandas中的索引约定不会执行此操作，而是为您提供一个新变量，它只引用与原始对象中的子对象或切片相同的内存块。这将通过第二种索引方式实现，因此您可以使用copy()函数对其进行修改以获得常规副本。发生这种情况时，更改您认为切片对象的内容有时会改变原始对象。总是很乐意留意这一点。
df1 = df.iloc[0,0:2].copy() # To avoid the case where changing df1 also changes df
要使用iloc，您需要知道列位置（或索引）。由于列位置可能会发生变化，而不是硬编码索引，您可以使用iloc以及get_loc数据框对象方法的columns函数来获取列索引。
{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iloc访问列。
答案 1 :(得分：90)
假设您的列名称（df.columns）为['index','a','b','c']，那么您想要的数据就在
第3＆amp;第4列。如果您的脚本运行时不知道他们的名字，可以这样做
newdf = df[df.columns[2:4]] # Remember, Python is 0-offset! The "3rd" entry is at slot 2.
正如EMS在his answer中指出的那样，df.ix更简洁地对列进行切片，但.columns切片界面可能更自然，因为它使用了vanilla 1-D python列表索引/切片语法。
警告：'index'是DataFrame列的错误名称。同一标签也用于真正的df.index属性，Index数组。因此，您的列由df['index']返回，真实的DataFrame索引由df.index返回。 Index是一种特殊的Series，用于查找其元素的值。对于df.index，它用于按标签查找行。该df.columns属性也是pd.Index数组，用于按标签查找列。
答案 2 :(得分：87)
从版本0.11.0开始，列可以按照您尝试使用.loc索引器的方式进行切片：
df.loc[:, 'C':'E']
相当于
df[['C', 'D', 'E']] # or df.loc[:, ['C', 'D', 'E']]
并通过C返回列E。
随机生成的DataFrame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
要获取从C到E的列（请注意，与整数切片不同，＆＃39; E＆＃39;包含在列中）：
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
...
同样适用于根据标签选择行。获取行＆＃39; R6＆＃39;到＆＃39; R10＆＃39;从这些专栏：
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也接受布尔数组，因此您可以选择数组中相应条目为True的列。例如，df.columns.isin(list('BCD'))返回array([False, True, True, True, False, False], dtype=bool) - 如果列名在列表['B', 'C', 'D']中，则为True;错，否则。
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
...
答案 3 :(得分：57)
In [39]: df
Out[39]:
index a b c
0 1 2 3 4
1 2 3 4 5
In [40]: df1 = df[['b', 'c']]
In [41]: df1
Out[41]:
b c
0 3 4
1 4 5
答案 4 :(得分：47)
我意识到这个问题很老，但在最新版本的熊猫中，有一种简单的方法可以做到这一点。列名（字符串）可以以您喜欢的任何方式进行切片。
columns = ['b', 'c']
df1 = pd.DataFrame(df, columns=columns)
答案 5 :(得分：20)
您可以提供要删除的列的列表，并使用Pandas DataFrame上的drop()函数返回仅包含所需列的DataFrame。
只是说
colsToDrop = ['a']
df.drop(colsToDrop, axis=1)
会返回一个只包含b和c列的DataFrame。
drop方法记录在案here。
答案 6 :(得分：17)
答案 7 :(得分：12)
只需使用： 它将选择b和c列。
df1=pd.DataFrame()
df1=df[['b','c']]
然后你可以调用df1：
df1
答案 8 :(得分：11)
您可以使用pandas.DataFrame.filter方法来过滤或重新排序列，如下所示：
df1 = df.filter(['a', 'b'])
在链接方法时，这也非常有用。
答案 9 :(得分：7)
有了熊猫，
机智列名
dataframe[['column1','column2']]
使用iloc，可以像使用列索引一样
dataframe[:,[1,2]]
可以像
dataframe[:,['column1','column2']]
希望有帮助！
答案 10 :(得分：6)
如果您想逐行索引和列名获取一个元素，则可以像df['b'][0]一样进行。它就像你可以想象一样简单。
或者您可以使用df.ix[0,'b']，混合使用索引和标签。
注意：由于v0.20 ix已被弃用，而不是loc / iloc。
答案 11 :(得分：4)
以上响应中讨论的不同方法基于以下假设：用户要么知道要删除的列索引或要子集的列索引，要么用户希望使用一定范围的列（例如'C'：' E'）。 pandas.DataFrame.drop（）当然是基于用户定义的列列表对数据进行子集化的选项（尽管您必须谨慎使用始终使用dataframe的副本和 inplace < / em>参数不应设置为 True !!）
另一种选择是使用 pandas.columns.difference（），它对列名进行设置，并返回包含所需列的数组的索引类型。解决方法如下：
df = pd.DataFrame([[2,3,4],[3,4,5]],columns=['a','b','c'],index=[1,2])
columns_for_differencing = ['a']
df1 = df.copy()[df.columns.difference(columns_for_differencing)]
print(df1)
输出为：
b c
1 3 4
2 4 5
答案 12 :(得分：4)
下面是我的代码：
import pandas as pd
df = pd.read_excel("data.xlsx", sheet_name = 2)
print df
df1 = df[['emp_id','date']]
print df1
输出：
emp_id date count
0 1001 11/1/2018 3
1 1002 11/1/2018 4
2 11/2/2018 2
3 11/3/2018 4
emp_id date
0 1001 11/1/2018
1 1002 11/1/2018
2 11/2/2018
3 11/3/2018
第一个数据帧是主数据帧。我只是将两列复制到df1中。
答案 13 :(得分：3)
另一种简单的方法：迭代行
使用同伴
`df1= pd.DataFrame() #creating an empty dataframe
for index,i in df.iterrows():
df1.loc[index,'A']=df.loc[index,'A']
df1.loc[index,'B']=df.loc[index,'B']
df1.head()
答案 14 :(得分：3)
尝试使用pandas.DataFrame.get（请参阅docs）
import pandas as pd
import numpy as np
dates = pd.date_range('20200102', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
df.get(['A','C'])
答案 15 :(得分：2)
您可以使用熊猫。 我创建了DataFrame：
import pandas as pd
df = pd.DataFrame([[1, 2,5], [5,4, 5], [7,7, 8], [7,6,9]],
index=['Jane', 'Peter','Alex','Ann'],
columns=['Test_1', 'Test_2', 'Test_3'])
DataFrame：
Test_1 Test_2 Test_3
Jane 1 2 5
Peter 5 4 5
Alex 7 7 8
Ann 7 6 9
要按名称选择1列或更多列：
df[['Test_1','Test_3']]
Test_1 Test_3
Jane 1 5
Peter 5 5
Alex 7 8
Ann 7 9
您还可以使用：
df.Test_2
然后您会获得列Test_2
Jane 2
Peter 4
Alex 7
Ann 6
您还可以使用 .loc() 从这些行中选择列和行。这称为“切片” 。请注意，我从Test_1列到Test_3
df.loc[:,'Test_1':'Test_3']
“切片”为：
Test_1 Test_2 Test_3
Jane 1 2 5
Peter 5 4 5
Alex 7 7 8
Ann 7 6 9
如果您只想从Peter和Ann列中访问Test_1和Test_3：
df.loc[['Peter', 'Ann'],['Test_1','Test_3']]
您得到：
Test_1 Test_3
Peter 5 5
Ann 7 9
答案 16 :(得分：2)
从0.21.0开始，不推荐使用.loc或[]并带有一个或多个缺少标签的列表，而推荐使用.reindex。因此，您的问题的答案是：
df1 = df.reindex(columns=['b','c'])
在以前的版本中，只要找到至少一个键，就可以使用.loc[list-of-labels]（否则它将引发KeyError）。此行为已弃用，现在显示警告消息。推荐的替代方法是使用.reindex()。
更多信息，请访问Indexing and Selecting Data
答案 17 :(得分：2)
def get_slize(dataframe, start_row, end_row, start_col, end_col):
assert len(dataframe) > end_row and start_row >= 0
assert len(dataframe.columns) > end_col and start_col >= 0
list_of_indexes = list(dataframe.columns)[start_col:end_col]
ans = dataframe.iloc[start_row:end_row][list_of_indexes]
return ans
就用这个功能
答案 18 :(得分：2)
要排除某些列，您可以将它们放在列索引中。例如：
A B C D
0 1 10 100 1000
1 2 20 200 2000
选择除一列之外的所有列：
df[df.columns.drop('C')]
输出：
A B D
0 1 10 1000
1 2 20 2000
选择除两个之外的所有：
df[df.columns.drop(['B', 'D'])]
输出：
A C
0 1 100
1 2 200
答案 19 :(得分：1)
您还可以使用df.pop()
>>> df = pd.DataFrame([('falcon', 'bird', 389.0),
... ('parrot', 'bird', 24.0),
... ('lion', 'mammal', 80.5),
... ('monkey', 'mammal', np.nan)],
... columns=('name', 'class', 'max_speed'))
>>> df
name class max_speed
0 falcon bird 389.0
1 parrot bird 24.0
2 lion mammal 80.5
3 monkey mammal
>>> df.pop('class')
0 bird
1 bird
2 mammal
3 mammal
Name: class, dtype: object
>>> df
name max_speed
0 falcon 389.0
1 parrot 24.0
2 lion 80.5
3 monkey NaN
让我知道这是否对您有帮助，请使用df.pop（c）
答案 20 :(得分：1)
500ms答案 21 :(得分：0)
我已经看到了一些答案，但是仍然不清楚。您将如何选择那些感兴趣的列？答案是，如果将它们收集在列表中，则可以使用列表引用列。
示例
print(extracted_features.shape)
print(extracted_features)
(63,)
['f000004' 'f000005' 'f000006' 'f000014' 'f000039' 'f000040' 'f000043'
'f000047' 'f000048' 'f000049' 'f000050' 'f000051' 'f000052' 'f000053'
'f000054' 'f000055' 'f000056' 'f000057' 'f000058' 'f000059' 'f000060'
'f000061' 'f000062' 'f000063' 'f000064' 'f000065' 'f000066' 'f000067'
'f000068' 'f000069' 'f000070' 'f000071' 'f000072' 'f000073' 'f000074'
'f000075' 'f000076' 'f000077' 'f000078' 'f000079' 'f000080' 'f000081'
'f000082' 'f000083' 'f000084' 'f000085' 'f000086' 'f000087' 'f000088'
'f000089' 'f000090' 'f000091' 'f000092' 'f000093' 'f000094' 'f000095'
'f000096' 'f000097' 'f000098' 'f000099' 'f000100' 'f000101' 'f000103']
我有以下列表/ numpy数组extracted_features，指定了63列。原始数据集有103列，我想准确地提取出这些列，然后我将使用
dataset[extracted_features]
然后您将得到这个
您将在机器学习中（特别是在功能选择中）经常使用此功能。我也想讨论其他方法，但是我认为其他stackoverflowers已经对此进行了讨论。希望对您有所帮助！
答案 22 :(得分：0)
要选择多个列，请随后提取并查看它们：df以前被命名为数据框，而不是创建新的数据框df1，然后选择要提取和查看的A到D列
df1 = pd.DataFrame(data_frame, columns=['Column A', 'Column B', 'Column C', 'Column D'])
df1
所有必填列都会显示！
- 我写了这段代码，但我无法理解我的错误
- 我无法从一个代码实例的列表中删除 None 值，但我可以在另一个实例中。为什么它适用于一个细分市场而不适用于另一个细分市场？
- 是否有可能使 loadstring 不可能等于打印？卢阿
- java中的random.expovariate()
- Appscript 通过会议在 Google 日历中发送电子邮件和创建活动
- 为什么我的 Onclick 箭头功能在 React 中不起作用？
- 在此代码中是否有使用“this”的替代方法？
- 在 SQL Server 和 PostgreSQL 上查询，我如何从第一个表获得第二个表的可视化
- 每千个数字得到
- 更新了城市边界 KML 文件的来源？