[Python] 如何在熊猫中获取数据帧的列片


Answers

DataFrame.ix索引就是你想要访问的内容。 这有点令人困惑(我同意Pandas索引有时令人困惑!),但下面的内容似乎可以做你想做的事情:

>>> 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 [行切片,列切片]是正在解释的内容。 有关熊猫索引的更多信息,请访问: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-advanced : http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-advanced

Question

我从csv文件加载一些机器学习数据。 前两列是观察值,其余列是特征。

目前,我做了以下工作:

data = pandas.read_csv('mydata.csv')

其中给出了如下内容:

data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde'))

我想在两个数据框中分割这个数据帧:一个包含列ab ,另一个包含列cde

不可能写出类似的东西

observations = data[:'c']
features = data['c':]

我不确定最好的方法是什么。 我需要一个pd.Panel吗?

顺便说一句,我发现数据帧索引相当不一致: data['a']是允许的,但data[0]不是。 另一方面, data['a':]是不允许的,但data[0:]是。 这有没有实际的原因? 如果列由Int索引,给定data[0] != data[0:1]




另外,给定一个DataFrame

数据

就像在你的例子中一样,如果你只想提取第a列和第d列(即第1列和第4列),熊猫数据框中的iloc mothod就是你需要的并且可以非常有效地使用。 所有你需要知道的是你想要提取的列索引。 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



如果你来这里寻找切分两列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,前900列和(全部)列> 3593(假设您的数据集中有大约4000列)。