大家！！ 我有个问题。 想象一个包含 [a, b, c, e, f, g, h, i, j] 列的数据框。我想创建一个只有 a、c-g 列的第二个 DF。我怎样才能在一个单一的coman中做到这一点而不创建一个列表来放置列？比如我是这样写的：
columns = ['a', 'c', 'e', 'f', 'g']
df2 = df.loc[:,~df.columns.isin(columns)]
我会知道是否有类似的东西：
df2 = df.loc[:,'a': 'g']
但不包括“b”列。
第二种方式我做了两个命令，一个从 a-g 中选择，第二个是删除 b。
我想知道我是否可以同时从 a-g 中选择并删除 b
【问题讨论】：
最简单的方法是使用切片表示法 .loc，正如您演示的那样，同时调用 .drop 来删除任何特定的不需要的列：
>>> df = pd.DataFrame([[*range(10)]]*5, columns=[*'abcdefghij'])
>>> df
a b c d e f g h i j
0 0 1 2 3 4 5 6 7 8 9
1 0 1 2 3 4 5 6 7 8 9
2 0 1 2 3 4 5 6 7 8 9
3 0 1 2 3 4 5 6 7 8 9
4 0 1 2 3 4 5 6 7 8 9
.loc 和丢弃相当简单，使用.loc 执行切片，然后使用drop 执行您不想要的任何内容。
>>> df.loc[:, 'a':'g'].drop(columns='b')
a c d e f g
0 0 2 3 4 5 6
1 0 2 3 4 5 6
2 0 2 3 4 5 6
3 0 2 3 4 5 6
4 0 2 3 4 5 6
如果您想尽可能高效地使用索引，可以使用 Index.slice_indexer 和 .drop，这样您就不会创建数据的临时子集（就像我们在上面所做的那样）：
>>> columns = df.columns[df.columns.slice_indexer('a', 'g')].drop('b')
>>> df[columns]
a c d e f g
0 0 2 3 4 5 6
1 0 2 3 4 5 6
2 0 2 3 4 5 6
3 0 2 3 4 5 6
4 0 2 3 4 5 6
【讨论】：
你可以使用
df2 = df[[a, c, d, e, f, g]].copy()
或
df2 = df.copy()
del df2[b]
【讨论】：
如果您不想手动将列写入列表，有几种方法可以解决此问题
#Firstly, if you wanted to simply pull back only columns that are sequential you could use an np.arange() to get the column indexes pulled back
df.iloc[:,np.arange(2, 5).tolist()]
#Secondly, if you wanted to pull back some columns sequential, but remove one in the middle you could use a pop on a list of ints to represent your column index
column_list = np.arange(2, 5).tolist()
#This pop will remove the 1 index of the list you created in the np.arange() above
column_list.pop(1)
df.iloc[:,column_list]
【讨论】：
一个选项是使用来自pyjanitor 的select_columns，它提供了一个抽象。
我将重用@CameronRiddell 的示例数据：
# pip install pyjanitor
import pandas as pd
import janitor
df = pd.DataFrame([[*range(10)]]*5, columns=[*'abcdefghij'])
# pass in the arguments:
df.select_columns('a', slice('c','g'))
a c d e f g
0 0 2 3 4 5 6
1 0 2 3 4 5 6
2 0 2 3 4 5 6
3 0 2 3 4 5 6
4 0 2 3 4 5 6
您可以在没有其他库的情况下使用 Pandas filter 完成此操作：
df.filter(regex = '[ac-g]')
a c d e f g
0 0 2 3 4 5 6
1 0 2 3 4 5 6
2 0 2 3 4 5 6
3 0 2 3 4 5 6
4 0 2 3 4 5 6
【讨论】：