在pandas数据框中select列
我有不同的列中的数据，但我不知道如何提取它保存在另一个variables。
index abc 1 2 3 4 2 3 4 5 如何select'b' ， 'c'并将其保存到df1中？
我试过了
df1 = df['a':'b'] df1 = df.ix[:, 'a':'b']
似乎没有工作。 任何想法将有助于感谢。
列名称（这是string）不能以您尝试的方式切片。
在这里你有几个选项。 如果你从上下文知道你想要分割出哪些variables，你可以通过传递一个列表到__getitem__语法（[]'）来返回只有这些列的视图。
df1 = df[['a','b']]
另外，如果要索引他们的数字而不是他们的名字（说你的代码应该自动做这不知道前两列的名称），那么你可以这样做，而不是：
df1 = df.iloc[:,0:2] # Remember that Python does not slice inclusive of the ending index.
此外，您应该熟悉一下Pandas对象视图与该对象副本的概念。 上述第一种方法将返回所需子对象（所需切片）的内存中的新副本。
然而，有时在Pandas中有一些索引约定不这样做，而是给你一个新的variables，它指向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，所以您可以使用copy()函数修改它以获取常规副本。 发生这种情况时，改变你认为的切片对象有时可以改变原始对象。 总是善于留意这一点。
df1 = df.iloc[0,0:2].copy() # To avoid the case where changing df1 also changes df
假设你的列名（ df.columns ）是['index','a','b','c'] ，那么你想要的数据在第3和第4列。 如果脚本运行时不知道他们的名字，可以这样做
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， df.ix切片列更简洁一点，但.columns切片界面可能更自然，因为它使用了一维python列表索引/切片语法。
WARN： 'index'是DataFrame列的错误名称。 同样的标签也用于真正的df.index属性，一个Index数组。 所以你的列是由df['index']返回的，真正的DataFrame索引是由df.index返回的。 Index是针对查找元素值而优化的一种特殊types的Index 。 对于df.index，它是通过标签查找行的。 该df.columns属性也是一个pd.Index数组，用于通过标签查找列。
In [39]: df Out[39]: index abc 0 1 2 3 4 1 2 3 4 5 In [40]: df1 = df[['b', 'c']] In [41]: df1 Out[41]: bc 0 3 4 1 4 5
从版本0.11.0开始， 可以按照您使用.loc索引器尝试的方式对列进行切片：
df.loc[:, 'C':'E']
返回列C到E
随机生成的DataFrame上的演示：
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: ABCDEF 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: CDE 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select行也是一样的。 从这些列中获取“R6”到“R10”行：
df.loc['R6':'R10', 'C':'E'] Out: CDE R6 51 27 31 R7 83 19 18 R8 11 67 65 R9 78 27 29 R10 7 16 94
.loc也接受一个布尔数组，所以你可以select数组中相应条目为True 。 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: BCD R0 78 61 16 R1 27 30 80 R2 53 80 27 R3 65 47 30 R4 9 41 62 R5 78 5 58 ...
我意识到这个问题是相当古老，但在最新版本的pandas有一个简单的方法来做到这一点。 列名（string） 可以用任何你喜欢的方式切片。
columns = ['b', 'c'] df1 = pd.DataFrame(df, columns=columns)
您可以提供要删除的列的列表，并返回DataFrame，只使用在Pandas DataFrame上使用drop()函数所需的列。
只是说
colsToDrop = ['a'] df.drop(colsToDrop, axis=1)
将只返回一个DataFrame b和c列。
这里介绍了drop方法。
我发现这个方法非常有用：
iloc [行切片，列切片]
surveys_df.iloc [0：3，1：4]
更多细节可以在这里find
只需使用：它会selectb和c列。
df1=pd.DataFrame() df1=df[['b','c']]
那么你可以调用df1：
df1
