[Python] 如何在熊猫中获取数据帧的列片


Answers

2017答案 - pandas 0.20:.ix已被弃用。 使用.loc

请参阅文档中弃用内容

.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。 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:
foobarquzantcatsatdat

# 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Python列表对行和列执行的相同切片符号。 切片符号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行标签为vwxyz

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



以下介绍如何使用不同的方法进行选择性柱切片, 包括基于选择性标签,基于索引和基于选择性范围的柱切片。

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



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




让我们以seaborn包中的泰坦尼克数据集为例

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

使用列名称

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

使用列索引

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

使用ix

>> titanic.ix[:,[‘sex’,’age’,’fare’]]

要么

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

使用reindex方法

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



您可以通过引用列表中每列的名称来DataFrame的列,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)。