问题:在pandas数据框中选择多个列
我在不同的列中有数据,但是我不知道如何提取数据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?
我试过了
df1 = df['a':'b']
df1 = df.ix[:, 'a':'b']
似乎没有任何工作。
回答 0
列名(字符串)无法按照您尝试的方式进行切片。
在这里,您有两个选择。如果您从上下文中知道要切出哪些变量,则可以通过将列表传递给__getitem__
语法([])来仅返回那些列的视图。
df1 = df[['a','b']]
或者,如果需要对它们进行数字索引而不是按其名称进行索引(例如,您的代码应在不知道前两列名称的情况下自动执行此操作),则可以执行以下操作:
df1 = df.iloc[:,0:2] # Remember that Python does not slice inclusive of the ending index.
此外,您应该熟悉Pandas对象与该对象副本的视图概念。上述方法中的第一个将在内存中返回所需子对象(所需切片)的新副本。
但是,有时熊猫中有一些索引约定不执行此操作,而是给您一个新变量,该变量仅引用与原始对象中的子对象或切片相同的内存块。第二种索引编制方式会发生这种情况,因此您可以使用copy()
函数对其进行修改以获取常规副本。发生这种情况时,更改您认为是切片对象的内容有时会更改原始对象。始终对此保持警惕。
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)。由于列位置可能会改变,而不是硬编码索引,则可以使用iloc
随get_loc
功能的columns
数据框对象的方法来获得列索引。
{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使用来访问列iloc
。
回答 1
从0.11.0版本开始,可以按照您尝试使用.loc
索引器的方式对列进行切片:
df.loc[:, 'C':'E']
等价于
df[['C', 'D', 'E']] # or df.loc[:, ['C', 'D', 'E']]
并C
通过返回列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
要从C到E获得列(请注意,与整数切片不同,列中包含’E’):
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
...
同样适用于基于标签选择行。从这些列中获取行“ R6”至“ R10”:
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
还接受一个布尔数组,因此您可以选择在数组中对应条目为的列True
。例如,如果列名称在列表中,则df.columns.isin(list('BCD'))
返回array([False, True, True, True, False, False], dtype=bool)
-True ['B', 'C', 'D']
;错误,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
...
回答 2
假设列名(df.columns
)为['index','a','b','c']
,则所需数据在第3列和第4列中。如果在脚本运行时不知道它们的名称,则可以执行此操作
newdf = df[df.columns[2:4]] # Remember, Python is 0-offset! The "3rd" entry is at slot 2.
正如EMS在他的回答中指出的那样,df.ix
切片列更加简洁,但是.columns
切片界面可能更自然,因为它使用了香草1-D python列表索引/切片语法。
警告:这'index'
是DataFrame
列的坏名称。该标签也用于真实df.index
属性Index
数组。因此,您的列由返回,df['index']
而真正的DataFrame索引由返回df.index
。An Index
是一种特殊的Series
优化方法,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
属性也是一个pd.Index
数组,用于按标签查找列。
回答 3
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
回答 4
我知道这个问题已经很老了,但是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(即字符串)可以按您喜欢的任何方式进行切片。
columns = ['b', 'c']
df1 = pd.DataFrame(df, columns=columns)
回答 5
您可以提供要删除的列的列表,然后仅使用drop()
Pandas DataFrame上的函数返回带有所需列的DataFrame。
只是说
colsToDrop = ['a']
df.drop(colsToDrop, axis=1)
将返回仅包含列b
和的DataFrame c
。
该drop
方法在此处记录。
回答 6
有了熊猫
机智列名称
dataframe[['column1','column2']]
通过iloc和具有索引号的特定列进行选择:
dataframe.iloc[:,[1,2]]
与loc列名称可以像
dataframe.loc[:,['column1','column2']]
回答 7
回答 8
从0.21.0开始,不推荐使用.loc
或[]
使用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,.loc[list-of-labels]
只要找到至少一个键就可以使用using (否则将引发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()
。
回答 9
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'])
数据框:
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
和哟列 Test_2
Jane 2
Peter 4
Alex 7
Ann 6
您也可以使用从这些行中选择列和行.loc()
。这称为“切片”。请注意,我从列Test_1
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
如果你只是想Peter
和Ann
来自列Test_1
和Test_3
:
df.loc[['Peter', 'Ann'],['Test_1','Test_3']]
你得到:
Test_1 Test_3
Peter 5 5
Ann 7 9
回答 10
如果要按行索引和列名获取一个元素,则可以像那样进行df['b'][0]
。它像成像一样简单。
或者,您也可以df.ix[0,'b']
混合使用索引和标签。
注意:由于ix
不推荐使用v0.20 ,而推荐使用loc
/ iloc
。
回答 11
一种不同而又简单的方法:迭代行
使用iterows
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()
回答 12
以上响应中讨论的不同方法是基于以下假设:用户知道要放下或子集化的列索引,或者用户希望使用一定范围的列(例如,在“ C”与“ E”之间)对数据帧进行子集化。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,并且inplace参数不应设置为True!)
另一种选择是使用pandas.columns.difference(),它对列名进行设置上的区别,并返回包含所需列的数组的索引类型。以下是解决方案:
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
回答 13
您也可以使用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)
回答 14
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。
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list / numpy数组extracted_features
,指定63列。原始数据集有103列,我想准确提取出这些列,然后使用
dataset[extracted_features]
你最终会得到这个
您将在机器学习中(特别是在功能选择中)经常使用此功能。我也想讨论其他方式,但是我认为其他stackoverflowers已经对此进行了讨论。希望这对您有所帮助!
回答 15
您可以使用pandas.DataFrame.filter
method来过滤或重新排序列,如下所示:
df1 = df.filter(['a', 'b'])
回答 16
df[['a','b']] # select all rows of 'a' and 'b'column
df.loc[0:10, ['a','b']] # index 0 to 10 select column 'a' and 'b'
df.loc[0:10, ['a':'b']] # index 0 to 10 select column 'a' to 'b'
df.iloc[0:10, 3:5] # index 0 to 10 and column 3 to 5
df.iloc[3, 3:5] # index 3 of column 3 to 5