Question

我正在使用以下内容从数据帧梳中选择特定的列，我想将其带入新的数据帧。个人选择工作正常EG：comb.ix [：，0：1]，但是当我尝试使用+组合它时我得到一个不好的结果第一个选择（[：，0：1]）卡在最后当出现在行的末尾时，数据帧和原始col 1中包含的值被擦除。获得我想要的列的正确方法是什么？（我要包含样本数据，但正如您所看到的，列数太多......这就是我尝试这样做的原因）

comb.ix[:,0:1]+comb.ix[:,17:342]

Answer 1

如果要连接df列的子选择，请使用pd.concat：

pd.concat([comb.ix[:,0:1],comb.ix[:,17:342]], axis=1)

只要指数匹配，那么这将正确对齐。

感谢@iHightower，您也可以通过传递标签进行子选择：

pd.concat([df.ix[:,'Col1':'Col5'],df.ix[:,'Col9':'Col15']],a‌xis=1)

请注意，.ix将在以后的版本中弃用：

In [115]:
df = pd.DataFrame(columns=['col' + str(x) for x in range(10)])
df

Out[115]:
Empty DataFrame
Columns: [col0, col1, col2, col3, col4, col5, col6, col7, col8, col9]
Index: []

In [118]:
pd.concat([df.loc[:, 'col2':'col4'], df.loc[:, 'col7':'col8']], axis=1)

Out[118]:
Empty DataFrame
Columns: [col2, col3, col4, col7, col8]
Index: []

或使用iloc：

In [127]:
pd.concat([df.iloc[:, df.columns.get_loc('col2'):df.columns.get_loc('col4')], df.iloc[:, df.columns.get_loc('col7'):df.columns.get_loc('col8')]], axis=1)

Out[127]:
Empty DataFrame
Columns: [col2, col3, col7]
Index: []

请注意，iloc切片是打开/关闭的，因此不包括结束范围，因此如果要包含它，则必须在感兴趣的列之后找到该列：

In [128]:
pd.concat([df.iloc[:, df.columns.get_loc('col2'):df.columns.get_loc('col4')+1], df.iloc[:, df.columns.get_loc('col7'):df.columns.get_loc('col8')+1]], axis=1)

Out[128]:
Empty DataFrame
Columns: [col2, col3, col4, col7, col8]
Index: []

Answer 2

我最近仅通过添加范围来解决了该问题

r1 = pd.Series(range(5))
r2 = pd.Series([10,15,20])
final_range = r1.append(r2)
df.iloc[:,final_range]

然后您将获得从0：5到10、15、20的列。

Answer 3

NumPy有一个名为r_的不错的模块，因此您可以使用现代的数据框选择界面iloc来解决它：

class Taxon
  acts_as_nested_set dependent: :destroy

  def update_tree_name
  if shop_sub_category?
    update(display_tree_name: beautiful_name)
  else 
    related_sub_categories = tree_list.select{ |taxon| taxon.kind == "sub_category" }
    related_sub_categories.each do |t|
      t.update(display_tree_name: t.beautiful_name)
    end
  end
end


def beautiful_name
  "#{parent.parent.parent.name} -> #{parent.parent.name} -> #{parent.name}-> #{name}"
end

Pandas从数据帧中选择不连续的列

3 个答案: