Выбор нескольких столбцов в панды фрейма данных

предполагая, что ваши имена столбцов (df.columns) составляют ['index','a','b','c'], то данные, которые вы хотите в 3-й и 4-й столбцы. Если вы не знаете их имена, когда ваш скрипт запускается, вы можете сделать это

newdf = df[df.columns[2:4]] # Remember, Python is 0-offset! The "3rd" entry is at slot 2.

как указывает EMS в ответ,df.ix ломтики столбцов немного более лаконично, но .columns интерфейс нарезки может быть более естественным, потому что он использует синтаксис индексирования/нарезки списка Python vanilla 1-D.

предупреждает: 'index' это плохое имя для a . Эта же метка также используется для реального df.index атрибут, a Index массив. Таким образом, ваш столбец возвращается df['index'] и реальный индекс DataFrame возвращается df.index. Ан Index - это особый вид Series оптимизирован для поиска его значений элементов. Для ДФ.индекс для поиска строк по их этикетке. Это df.columns атрибут также является pd.Index массив, для поиска столбцов по их этикетки.

начиная с версии 0.11.0, столбцы может быть нарезанный так, как вы пытались использовать .loc индексатор:

df.loc[:, 'C':'E']

columns возвращает C через E.

---

демонстрация на случайно сгенерированном фрейме данных:

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

чтобы получить Столбцы от C до E (обратите внимание, что в отличие от целочисленного среза, 'E' включен в столбцы):

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
...

то же самое работает для выбора строк на основе меток. Получить строки ' R6 ' - ' R10 ' из этих столбцов:

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 также принимает булевский массив, так что вы можете выбрать столбцы, соответствующие записи в массиве True. Например, df.columns.isin(list('BCD')) возвращает array([False, True, True, True, False, False], dtype=bool) - True, если имя столбца находится в списке ['B', 'C', 'D']; false в противном случае.

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
...

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

Я понимаю, что этот вопрос довольно старый, но в последней версии панды есть простой способ сделать именно это. Имена столбцов (которые являются строками) можете нарезать любым способом, который вам нравится.

columns = ['b', 'c']
df1 = pd.DataFrame(df, columns=columns)

вы можете предоставить список столбцов, которые будут удалены, и вернуть фрейм данных только с помощью столбцов, необходимых с помощью drop() функция на фрейме данных Pandas.

просто говорю

colsToDrop = ['a']
df.drop(colsToDrop, axis=1)

вернет фрейм данных только с столбцами b и c.

The drop способ документирован здесь.

Я нашел этот метод очень полезным:

# iloc[row slicing, column slicing]
surveys_df.iloc [0:3, 1:4]

более подробную информацию можно найти здесь

просто использовать: он выберет столбец b и C.

df1=pd.DataFrame()
df1=df[['b','c']]

затем вы можете просто позвонить df1:

df1

если вы хотите получить элемент по индексу строки и имени столбца, вы можете сделать это просто как df['b'][0]. Это так просто, как вы можете себе представить.

или вы можете использовать df.ix[0,'b'], смешанное использование индекса и метки.

Примечание: начиная с v0. 20 ix был осужден в пользу loc/iloc.

различные подходы, обсуждаемые в приведенных выше ответах, основаны на предположении, что либо пользователь знает индексы столбцов для удаления или подмножества, либо пользователь хочет подмножествовать фрейм данных, используя диапазон столбцов (например, между "C": "E"). панды.Фрейм данных.падение() это, конечно, возможность подмножества данных на основе списка столбцов, определенных пользователем (хотя вы должны быть осторожны, что вы всегда используете копию dataframe и inplace параметры не должны установите значение правда!!)

другой вариант-использовать панды.столбцы.разница(), который делает разницу в наборе имен столбцов и возвращает тип индекса массива, содержащего нужные столбцы. Ниже приводится решение:

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)

выход будет: b c 1 3 4 2 4 5

начиная с 0.21.0, используя .loc или [] со списком с одной или несколькими отсутствующими метками, является устаревшим, в пользу .reindex. Итак, ответ на ваш вопрос:

df1 = df.reindex(columns=['b','c'])

в предыдущих версиях, с помощью .loc[list-of-labels] будет работать до тех пор, пока не будет найден хотя бы один из ключей (в противном случае он вызовет KeyError). Это поведение устарело и теперь показывает предупреждающее сообщение. Рекомендуемая альтернатива-использовать .reindex().

подробнее на https://pandas.pydata.org/pandas-docs/stable/indexing.html#reindexing