按索引删除多个 Pandas 列答案

【问题标题】：Dropping multiple Pandas columns by Index按索引删除多个 Pandas 列
【发布时间】：2019-01-16 20:35:21
【问题描述】：

我有一个大熊猫数据框（>100 列）。我需要删除各种列，我希望有一种使用旧的方法

df.drop(df.columns['slices'],axis=1)

我已经建立了选择，例如：

a = df.columns[3:23]
b = df.colums[-6:]

a 和 b 代表我要删除的列集。

以下

list(df)[3:23]+list(df)[-6:]

产生正确的选择，但我无法用drop 实现它：

df.drop(df.columns[list(df)[3:23]+list(df)[-6:]],axis=1)

ValueError: 操作数不能与形状一起广播 (20,) (6,)

我环顾四周，但无法得到答案。

Selecting last n columns and excluding last n columns in dataframe

（以下与我收到的错误有关）：

python numpy ValueError: operands could not be broadcast together with shapes

这个感觉就像他们遇到了类似的问题，但“切片”并不是分开的： Deleting multiple columns based on column names in Pandas

干杯

【问题讨论】：

试试df.drop(columns=list(df)[3:23]+list(df)[-6:])
这也很有效——像往常一样，给猫剥皮的方法不止一种。这更符合我想要达到的目标，非常感谢。

标签： python pandas numpy dataframe indexing

【解决方案1】：

您可以使用np.r_ 无缝组合多个范围/切片：

from string import ascii_uppercase

df = pd.DataFrame(columns=list(ascii_uppercase))

idx = np.r_[3:10, -5:0]

print(idx)

array([ 3,  4,  5,  6,  7,  8,  9, -5, -4, -3, -2, -1])

然后您可以使用idx 为您的列编制索引并提供给pd.DataFrame.drop：

df.drop(df.columns[idx], axis=1, inplace=True)

print(df.columns)

Index(['A', 'B', 'C', 'K', 'L', 'M', 'N',
       'O','P', 'Q', 'R', 'S', 'T', 'U'], dtype='object')

【讨论】：

我以为切片组合会有一些 np 函数，但我找不到。干杯
我发现需要定义列表切片的末尾（[-n:0] 中的 0），但我想我现在明白了。再次感谢！

【解决方案2】：

这将返回删除列的数据框

df.drop(list(df)[2:5], axis=1)

【讨论】：

【解决方案3】：

您可以使用这个简单的解决方案：

cols = [3,7,10,12,14,16,18,20,22]
df.drop(df.columns[cols],axis=1,inplace=True)

结果：

    0   1   2   4   5   6   8   9    11  13      15     17      19       21
0   3   12  10  3   2   1   7   512  64  1024.0  -1.0   -1.0    -1.0    -1.0
1   5   12  10  3   2   1   7   16   2   32.0    32.0   1024.0  -1.0    -1.0
2   5   12  10  3   2   1   7   512  2   32.0    32.0   32.0    -1.0    -1.0
3   5   12  10  3   2   1   7   16   1   32.0    64.0   1024.0  -1.0    -1.0

如您所见，具有给定索引的列已全部删除。

如果我们假设您有 A、B、C ...等，您可以用数组中列的名称替换 int 值，您可以像这样替换 cols 中的 int 值，例如：

cols = ['A','B','C','F']

【讨论】：

【解决方案4】：

IIUC：

a = df.columns[3:23].values.tolist()
b = df.colums[-6:].values.tolist()

a.extend(b)
df.drop(a,1,inplace=True)

【讨论】：

【解决方案5】：

我之前遇到过类似的问题并且遇到了麻烦，但通过从另一个“减去”一个df来解决它，不确定这是否对你有用，但它对我有用：

df = df[~df.index.isin(a.index)]
df = df[~df.index.isin(b.index)]

【讨论】：