如何在熊猫中获取数据框的列片

2017 答案 - 熊猫 0.20：.ix 已弃用。使用 .loc

请参阅deprecation in the docs

.loc 使用基于标签的索引来选择行和列。标签是索引或列的值。使用 .loc 切片包括最后一个元素。

假设我们有一个包含以下列的 DataFrame：foo、bar、quz、ant、cat、sat、dat。

# selects all rows and all columns beginning at 'foo' up to and including 'sat'
df.loc[:, 'foo':'sat']
# foo bar quz ant cat sat

.loc 接受与 Python 列表对行和列所做的相同切片表示法。切片符号为 start:stop:step

# slice from 'foo' to 'cat' by every 2nd column
df.loc[:, 'foo':'cat':2]
# foo quz cat

# slice from the beginning to 'bar'
df.loc[:, :'bar']
# foo bar

# slice from 'quz' to the end by 3
df.loc[:, 'quz'::3]
# quz sat

# attempt from 'sat' to 'bar'
df.loc[:, 'sat':'bar']
# no columns returned

# slice from 'sat' to 'bar'
df.loc[:, 'sat':'bar':-1]
sat cat ant quz bar

# slice notation is syntatic sugar for the slice function
# slice from 'quz' to the end by 2 with slice function
df.loc[:, slice('quz',None, 2)]
# quz cat dat

# select specific columns with a list
# select columns foo, bar and dat
df.loc[:, ['foo','bar','dat']]
# foo bar dat

您可以按行和列切片。例如，如果您有 5 行带有标签 v、w、x、y、z

# slice from 'w' to 'y' and 'foo' to 'ant' by 3
df.loc['w':'y', 'foo':'ant':3]
#    foo ant
# w
# x
# y

---

注意： .ix 自 Pandas v0.20 起已被弃用。您应该酌情使用 .loc 或 .iloc。

DataFrame.ix 索引是您想要访问的。这有点令人困惑（我同意 Pandas 索引有时令人困惑！），但以下内容似乎可以满足您的要求：

>>> df = DataFrame(np.random.rand(4,5), columns = list('abcde'))
>>> df.ix[:,'b':]
      b         c         d         e
0  0.418762  0.042369  0.869203  0.972314
1  0.991058  0.510228  0.594784  0.534366
2  0.407472  0.259811  0.396664  0.894202
3  0.726168  0.139531  0.324932  0.906575

其中 .ix[row slice, column slice] 是正在解释的内容。更多关于 Pandas 索引的信息：http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-advanced

---

让我们以 seaborn 包中的 Titanic 数据集为例

# Load dataset (pip install seaborn)
>> import seaborn.apionly as sns
>> titanic = sns.load_dataset('titanic')

使用列名

>> titanic.loc[:,['sex','age','fare']]

使用列索引

>> titanic.iloc[:,[2,3,6]]

使用 ix（早于 Pandas <.20 版本）

>> titanic.ix[:,[‘sex’,’age’,’fare’]]

或者

>> titanic.ix[:,[2,3,6]]

使用重新索引方法

>> titanic.reindex(columns=['sex','age','fare'])

---

此外，给定一个 DataFrame

数据

如您的示例所示，如果您只想提取 a 和 d 列（即第 1 列和第 4 列），则可以使用 pandas 数据框中的 iloc 方法，并且可以非常有效地使用。您只需要知道要提取的列的索引。例如：

>>> data.iloc[:,[0,3]]

会给你

          a         d
0  0.883283  0.100975
1  0.614313  0.221731
2  0.438963  0.224361
3  0.466078  0.703347
4  0.955285  0.114033
5  0.268443  0.416996
6  0.613241  0.327548
7  0.370784  0.359159
8  0.692708  0.659410
9  0.806624  0.875476

---

您可以通过引用列表中每一列的名称来沿 DataFrame 的列进行切片，如下所示：

data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde'))
data_ab = data[list('ab')]
data_cde = data[list('cde')]

---

如果你来这里寻找切片两个范围的列并将它们组合在一起（像我一样）你可以做类似的事情

op = df[list(df.columns[0:899]) + list(df.columns[3593:])]
print op

这将创建一个新的数据框，其中前 900 列和（所有）列 > 3593（假设您的数据集中有大约 4000 列）。

---

下面介绍如何使用不同的方法进行选择性列切片，包括基于选择性标签、基于索引和基于选择性范围的列切片。

In [37]: import pandas as pd    
In [38]: import numpy as np
In [43]: df = pd.DataFrame(np.random.rand(4,7), columns = list('abcdefg'))

In [44]: df
Out[44]: 
          a         b         c         d         e         f         g
0  0.409038  0.745497  0.890767  0.945890  0.014655  0.458070  0.786633
1  0.570642  0.181552  0.794599  0.036340  0.907011  0.655237  0.735268
2  0.568440  0.501638  0.186635  0.441445  0.703312  0.187447  0.604305
3  0.679125  0.642817  0.697628  0.391686  0.698381  0.936899  0.101806

In [45]: df.loc[:, ["a", "b", "c"]] ## label based selective column slicing 
Out[45]: 
          a         b         c
0  0.409038  0.745497  0.890767
1  0.570642  0.181552  0.794599
2  0.568440  0.501638  0.186635
3  0.679125  0.642817  0.697628

In [46]: df.loc[:, "a":"c"] ## label based column ranges slicing 
Out[46]: 
          a         b         c
0  0.409038  0.745497  0.890767
1  0.570642  0.181552  0.794599
2  0.568440  0.501638  0.186635
3  0.679125  0.642817  0.697628

In [47]: df.iloc[:, 0:3] ## index based column ranges slicing 
Out[47]: 
          a         b         c
0  0.409038  0.745497  0.890767
1  0.570642  0.181552  0.794599
2  0.568440  0.501638  0.186635
3  0.679125  0.642817  0.697628

### with 2 different column ranges, index based slicing: 
In [49]: df[df.columns[0:1].tolist() + df.columns[1:3].tolist()]
Out[49]: 
          a         b         c
0  0.409038  0.745497  0.890767
1  0.570642  0.181552  0.794599
2  0.568440  0.501638  0.186635
3  0.679125  0.642817  0.697628

---

假设您想要所有行，从 DataFrame 获取列子集的另一种方法是：
data[['a','b']] 和 data[['c','d','e']]
如果您想使用数字列索引，您可以这样做：< br> data[data.columns[:2]] 和 data[data.columns[2:]]

---

它的等价物

 >>> print(df2.loc[140:160,['Relevance','Title']])
 >>> print(df2.ix[140:160,[3,7]])

---

如果数据框看起来像这样：

group         name      count
fruit         apple     90
fruit         banana    150
fruit         orange    130
vegetable     broccoli  80
vegetable     kale      70
vegetable     lettuce   125

和 OUTPUT 可能就像

   group    name  count
0  fruit   apple     90
1  fruit  banana    150
2  fruit  orange    130

如果您使用逻辑运算符 np.logical_not

df[np.logical_not(df['group'] == 'vegetable')]

更多关于

https://docs.scipy.org/doc/numpy-1.13.0/reference/routines.logic.html

其他逻辑运算符

logical_and(x1, x2, /[, out, where, ...]) 按元素计算 x1 AND x2 的真值。 logical_or(x1, x2, /[, out, where, cast, ...]) 按元素计算 x1 OR x2 的真值。 logical_not(x, /[, out, where, cast, ...]) 按元素计算 NOT x 的真值。 logical_xor(x1, x2, /[, out, where, ..]) 按元素计算 x1 XOR x2 的真值。

---

您可以使用方法 truncate

df = pd.DataFrame(np.random.rand(10, 5), columns = list('abcde'))

df_ab = df.truncate(before='a', after='b', axis=1)
df_cde = df.truncate(before='c', axis=1)

---