如何对Pandas对象执行Slice（使用ix，loc，iloc）操作，排除某些指定索引

Question

许多ix，loc，iloc操作指定了您要选择的索引。我想做相反的事情。我想要排除的列数很少，剩下的就选择了。我该怎么做呢。即，指定需要排除的指数而不是包含的指数。

E.g。一些伪代码

a.iloc[~1:3, :]
a.loc[~['A', 'B'], :]

我正在寻找性能，内存使用和简洁，如上面的伪代码所示。

注意：DataFrames很大，只有一个轴的数据量很大，而其他数据的数据量相对较少。

Answer 1

你可以drop或者选择你想要的那些：

df.drop(df.columns[[1, 2]], axis=1, inplace=True)

# drop by Name
df1 = df1.drop(['D', 'E'], axis=1)

## Select the ones you want
df1 = df[['a','d']]

您还可以在索引上调用新的difference。所以除了col D和col E之外的所有东西：

 df2 = df[df.columns.difference(['D', 'E'])]

希望这有帮助！

Answer 2

使用difference

假设您有切片UPDATE myDB.dbo.myTable SET myNumber=stuff(myNumber, 1,4, '12') WHERE myNumber LIKE '0000%' ，您希望获得不在该切片中的所有行。使用[1:3]和difference

loc

如果我们知道行名称

，我们可以做同样的事情

idx = df.index.difference(df.index[1:3])
df.loc[idx]

旧答案

使用idx = df.index.difference(['A', 'B']) df.loc[idx] 为np.r_

创建切片

iloc

对于df.iloc[np.r_[0:1, 3:], :] ...使用loc

drop

Answer 3

如果您知道要排除的列的索引，只需将从df.columns中提取的列数组切片为数据帧中所需的列。例如：

df[df.columns[2:5]]

如果你不知道索引，但是他们的名字，只需从列数组中删除它，再次从df.columns中提取。例如：

df[df.columns[(df.columns != "col_A") & (df.columns != "col_B")]]