Question

我知道这些列切片方法：

df2 = df[["col1", "col2", "col3"]]和df2 = df.ix[:,0:2]

但是我想知道是否有办法在同一切片中从数据帧的前/中/末端切片，而不是专门列出每一列。

例如，数据框df包含列：col1，col2，col3，col4，col5和col6。

有没有办法做这样的事情？

df2 = df.ix[:, [0:2, "col5"]]

我遇到的情况是我有数百列，并且经常需要根据不同的请求对特定列进行切片。我查看了文档并没有看到类似的东西。我忽略了什么吗？

Answer 1

IIUC，我能想到的最简单的方法就是这样：

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame(np.random.randn(5, 10))
>>> df[list(df.columns[:2]) + [7]]
          0         1         7
0  0.210139  0.533249  1.780426
1  0.382136  0.083999 -0.392809
2 -0.237868  0.493646 -1.208330
3  1.242077 -0.781558  2.369851
4  1.910740 -0.643370  0.982876

list调用不是可选的，否则Index对象会尝试将自身向量添加到7。

有可能像numpy的r_这样的特殊情况，以便

df[col_[:2, "col5", 3:6]]

会起作用，虽然我不知道是否值得这么麻烦。

Answer 2

如果列名具有可以过滤的信息，则可以使用df.filter（regex ='name *'）。我用它来从我的189个数据通道之间进行过滤，从a1_01到b3_21，它运行正常。

Answer 3

不确定你究竟在问什么。如果您想要特定列的第一行和最后一行，您可以执行类似这样的操作

df = pd.DataFrame({'col1': np.random.randint(0,3,1000),
               'col2': np.random.rand(1000),
               'col5': np.random.rand(1000)}) 
In [36]: df['col5']
Out[36]: 
0     0.566218
1     0.305987
2     0.852257
3     0.932764
4     0.185677
...
996    0.268700
997    0.036250
998    0.470009
999    0.361089
Name: col5, Length: 1000 
In [38]: df['col5'][(df.index < 5) | (df.index > (len(df) - 5))]
Out[38]: 
0      0.566218
1      0.305987
2      0.852257
3      0.932764
4      0.185677
996    0.268700
997    0.036250
998    0.470009
999    0.361089
Name: col5

或者，更一般地说，你可以写一个函数

In [41]: def head_and_tail(df, n=5):
    ...:     return df[(df.index < n) | (df.index > (len(df) - n))] 
In [44]: head_and_tail(df, 7)
Out[44]: 
     col1      col2      col5
0       0  0.489944  0.566218
1       1  0.639213  0.305987
2       1  0.000690  0.852257
3       2  0.620568  0.932764
4       0  0.310816  0.185677
5       0  0.930496  0.678504
6       2  0.165250  0.440811
994     2  0.842181  0.636472
995     0  0.899453  0.830839
996     0  0.418264  0.268700
997     0  0.228304  0.036250
998     2  0.031277  0.470009
999     1  0.542502  0.361089

保留/切片pandas中的特定列

3 个答案: