[英]Selecting multiple columns in a Pandas dataframe
我如何 select 来自df
a
和b
列,并将它们保存到新的 dataframe df1
中?
index a b c
1 2 3 4
2 3 4 5
不成功的尝试:
df1 = df['a':'b']
df1 = df.ix[:, 'a':'b']
无法以您尝试的方式对列名(字符串)进行切片。
在这里,您有几个选择。 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([])来仅返回这些列的视图。
df1 = df[['a', 'b']]
或者,如果重要的是用数字而不是它们的名称来索引它们(比如你的代码应该在不知道前两列的名称的情况下自动执行此操作),那么您可以这样做:
df1 = df.iloc[:, 0:2] # Remember that Python does not slice inclusive of the ending index.
此外,您应该熟悉 Pandas 对象的视图与该对象的副本的概念。 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。
然而,有时 Pandas 中的索引约定不这样做,而是为您提供一个新变量,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。 第二种索引方式会发生这种情况,因此您可以使用.copy()
方法对其进行修改以获取常规副本。 发生这种情况时,更改您认为的切片对象有时会更改原始对象。 随时注意这一点总是好的。
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,您可以使用iloc
以及 dataframe 对象的columns
方法的get_loc
函数来获取列索引。
{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iloc
访问列。
从 0.11.0 版开始,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']
获得相同的列
df[['C', 'D', 'E']] # Mind, this makes a copy.
或者
df.loc[:, ['C', 'D', 'E']] # This does not make a copy (better).
并返回C
到E
列。
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
要获取从C
到E
的列(请注意,与整数切片不同, E
包含在列中):
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
...
基于标签选择行也是如此。 从这些列中获取行R6
到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
还接受布尔数组,因此您可以选择数组中对应条目为True
的列。 例如, df.columns.isin(list('BCD'))
返回array([False, True, True, True, False, False], dtype=bool)
- 如果列名在列表中则为 True ['B', 'C', 'D']
; 假的,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
...
假设您的列名( df.columns
)是['index','a','b','c']
,那么您想要的数据在第三列和第四列中。 如果您在脚本运行时不知道他们的名字,您可以这样做
newdf = df[df.columns[2:4]] # Remember, Python is zero-offset! The "third" entry is at slot two.
正如 EMS 在他的回答中指出的那样, df.ix
列进行了更简洁的切片,但.columns
切片接口可能更自然,因为它使用了普通的一维 Python 列表索引/切片语法。
警告: 'index'
是DataFrame
列的错误名称。 相同的标签也用于真正的df.index
属性,即Index
数组。 因此,您的列由df['index']
返回,而真正的 DataFrame 索引由df.index
返回。 Index
是一种特殊的Series
,针对查找其元素的值进行了优化。 对于 df.index,它用于按标签查找行。 df.columns
属性也是一个pd.Index
数组,用于通过标签查找列。
在最新版本的 Pandas 中,有一种简单的方法可以做到这一点。 列名(它们是字符串)可以以您喜欢的任何方式进行切片。
columns = ['b', 'c']
df1 = pd.DataFrame(df, columns=columns)
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
与熊猫,
机智的列名
dataframe[['column1','column2']]
通过 iloc 和具有索引号的特定列进行选择:
dataframe.iloc[:,[1,2]]
带有 loc 列名可以像这样使用
dataframe.loc[:,['column1','column2']]
您可以使用pandas.DataFrame.filter
方法来过滤或重新排序列,如下所示:
df1 = df.filter(['a', 'b'])
这在链接方法时也非常有用。
您可以提供要删除的列列表并返回 DataFrame,其中仅包含使用 Pandas DataFrame 上的drop()
函数所需的列。
只是说
colsToDrop = ['a']
df.drop(colsToDrop, axis=1)
将返回仅包含b
和c
列的 DataFrame。
此处记录了drop
方法。
从 0.21.0 开始,不推荐使用.loc
或[]
与一个或多个缺少标签的列表一起使用.reindex
。 所以,你的问题的答案是:
df1 = df.reindex(columns=['b','c'])
在以前的版本中,只要找到至少一个键,使用.loc[list-of-labels]
就可以工作(否则会引发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()
。
在索引和选择数据中阅读更多信息。
你可以使用熊猫。
我创建数据框:
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
按名称选择一列或多列:
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
你得到列Test_2
:
Jane 2
Peter 4
Alex 7
Ann 6
您还可以使用.loc()
从这些行中选择列和行。 这称为“切片” 。 请注意,我从列Test_1
到Test_3
:
df.loc[:, 'Test_1':'Test_3']
“切片”是:
Test_1 Test_2 Test_3
Jane 1 2 5
Peter 5 4 5
Alex 7 7 8
Ann 7 6 9
如果你只想要来自Test_1
和Test_3
列的Peter
和Ann
:
df.loc[['Peter', 'Ann'], ['Test_1', 'Test_3']]
你得到:
Test_1 Test_3
Peter 5 5
Ann 7 9
如果你想通过行索引和列名获取一个元素,你可以像df['b'][0]
那样做。 它和你想象的一样简单。
或者您可以使用df.ix[0,'b']
- 混合使用索引和标签。
注意:自 v0.20 起, ix
已被弃用,取而代之的是loc
/ iloc
。
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
尝试使用pandas.DataFrame.get
(参见文档):
import pandas as pd
import numpy as np
dates = pd.date_range('20200102', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
df.get(['A', 'C'])
一种不同且简单的方法:迭代行
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()
前面的答案中讨论的不同方法是基于这样的假设,即用户知道要删除或子集的列索引,或者用户希望使用一系列列(例如在 'C' : 'E' )。
pandas.DataFrame.drop()当然是根据用户定义的列列表对数据进行子集化的一个选项(尽管您必须小心始终使用数据框的副本,并且不应将就地参数设置为True !!)
另一种选择是使用pandas.columns.difference() ,它对列名进行设置差异,并返回包含所需列的数组索引类型。 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)
输出将是:
b c
1 3 4
2 4 5
您还可以使用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
请使用df.pop(c)
。
我已经看到了几个答案,但我仍然不清楚。 您将如何选择那些感兴趣的列?
答案是,如果您将它们收集在一个列表中,您可以使用该列表引用这些列。
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']
我有以下列表/NumPy 数组extracted_features
,指定 63 列。 原始数据集有 103 列,我想准确提取那些,然后我会使用
dataset[extracted_features]
你最终会得到这个
这是您在机器学习中经常使用的东西(更具体地说,在特征选择中)。 我也想讨论其他方式,但我认为其他 Stack Overflower 用户已经涵盖了这一点。
要选择多个列,请在之后提取并查看它们: df
以前命名为数据框,然后创建新的数据框df1
,然后选择要提取和查看的列 A 到 D。
df1 = pd.DataFrame(data_frame, columns=['Column A', 'Column B', 'Column C', 'Column D'])
df1
所有必需的列都会显示出来!
def get_slize(dataframe, start_row, end_row, start_col, end_col):
assert len(dataframe) > end_row and start_row >= 0
assert len(dataframe.columns) > end_col and start_col >= 0
list_of_indexes = list(dataframe.columns)[start_col:end_col]
ans = dataframe.iloc[start_row:end_row][list_of_indexes]
return ans
只需使用此功能
我认为这是实现目标的最简单方法。
import pandas as pd
cols = ['a', 'b'] df1 = pd.DataFrame(df, columns=cols) df1 = df.iloc[:, 0:2]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.