按位置选择熊猫列答案

【问题标题】：Selecting pandas column by location按位置选择熊猫列
【发布时间】：2013-02-03 04:00:03
【问题描述】：

我只是想通过一个整数来访问命名的 pandas 列。

您可以使用df.ix[3]按位置选择一行。

但是如何通过整数选择一列呢？

我的数据框：

df=pandas.DataFrame({'a':np.random.rand(5), 'b':np.random.rand(5)})

【问题讨论】：

更新为提问。
在这个例子中，列的顺序可能没有被定义。（“a”可能是第一列或第二列）。

标签： python pandas indexing

【解决方案1】：

想到的两种方法：

>>> df
          A         B         C         D
0  0.424634  1.716633  0.282734  2.086944
1 -1.325816  2.056277  2.583704 -0.776403
2  1.457809 -0.407279 -1.560583 -1.316246
3 -0.757134 -1.321025  1.325853 -2.513373
4  1.366180 -1.265185 -2.184617  0.881514
>>> df.iloc[:, 2]
0    0.282734
1    2.583704
2   -1.560583
3    1.325853
4   -2.184617
Name: C
>>> df[df.columns[2]]
0    0.282734
1    2.583704
2   -1.560583
3    1.325853
4   -2.184617
Name: C

编辑：原始答案建议使用df.ix[:,2]，但现在已弃用此功能。用户应切换到df.iloc[:,2]。

【讨论】：

仅供参考 df.ix 现在替换为 df.iloc
请注意，如果您有两列同名 df.iloc[:,2] 方法有效，则只返回一列，但 df[df.columns[2]] 方法将返回两列同名。
正上方的 BobbyG 正确指出，如果列名 df.columns[2] 重复，则 df[df.columns[2]] 将返回该名称的所有列，并且是一个数据框，而不是系列对象。

【解决方案2】：

您还可以使用df.icol(n) 按整数访问列。

更新：icol 已弃用，可以通过以下方式实现相同的功能：

df.iloc[:, n]  # to access the column at the nth position

【讨论】：

请注意，对于即将发布的 0.11.0 版本，这些方法已被弃用，并且可能在未来的版本中被删除。请参阅pandas.pydata.org/pandas-docs/dev/…，了解如何使用 iloc/iat 按位置进行选择。
以上链接已被弃用，因为索引文档已被重组：pandas.pydata.org/pandas-docs/stable/…。截至今天，最新版本是 0.21.0，iloc 仍然是按位置访问列的记录方法。
如何通过列号列表进行选择？

【解决方案3】：

.transpose() 方法将列转换为行，将行转换为列，因此您甚至可以编写

df.transpose().ix[3]

【讨论】：

转置可能会混淆数据类型。

【解决方案4】：

您可以使用 基于标签的 .loc 或基于索引的使用 .iloc 方法进行列切片，包括列范围：

In [50]: import pandas as pd

In [51]: import numpy as np

In [52]: df = pd.DataFrame(np.random.rand(4,4), columns = list('abcd'))

In [53]: df
Out[53]: 
          a         b         c         d
0  0.806811  0.187630  0.978159  0.317261
1  0.738792  0.862661  0.580592  0.010177
2  0.224633  0.342579  0.214512  0.375147
3  0.875262  0.151867  0.071244  0.893735

In [54]: df.loc[:, ["a", "b", "d"]] ### Selective columns based slicing
Out[54]: 
          a         b         d
0  0.806811  0.187630  0.317261
1  0.738792  0.862661  0.010177
2  0.224633  0.342579  0.375147
3  0.875262  0.151867  0.893735

In [55]: df.loc[:, "a":"c"] ### Selective label based column ranges slicing
Out[55]: 
          a         b         c
0  0.806811  0.187630  0.978159
1  0.738792  0.862661  0.580592
2  0.224633  0.342579  0.214512
3  0.875262  0.151867  0.071244

In [56]: df.iloc[:, 0:3] ### Selective index based column ranges slicing
Out[56]: 
          a         b         c
0  0.806811  0.187630  0.978159
1  0.738792  0.862661  0.580592
2  0.224633  0.342579  0.214512
3  0.875262  0.151867  0.071244

【讨论】：

【解决方案5】：

您可以通过将列索引列表传递给dataFrame.ix 来访问多个列。

例如：

>>> df = pandas.DataFrame({
             'a': np.random.rand(5),
             'b': np.random.rand(5),
             'c': np.random.rand(5),
             'd': np.random.rand(5)
         })

>>> df
          a         b         c         d
0  0.705718  0.414073  0.007040  0.889579
1  0.198005  0.520747  0.827818  0.366271
2  0.974552  0.667484  0.056246  0.524306
3  0.512126  0.775926  0.837896  0.955200
4  0.793203  0.686405  0.401596  0.544421

>>> df.ix[:,[1,3]]
          b         d
0  0.414073  0.889579
1  0.520747  0.366271
2  0.667484  0.524306
3  0.775926  0.955200
4  0.686405  0.544421

【讨论】：

我发现 df.iloc[:,[1,3]] 也可以。

【解决方案6】：

大多数人都回答了如何从索引开始获取列。但在某些情况下，您可能需要从中间或特定索引中选择列，您可以使用以下解决方案。

假设您有A、B 和C 列。如果您只需要选择列A 和C，您可以使用以下代码。

df = df.iloc[:, [0,2]]

其中0,2 指定您只需要选择第一列和第三列。

【讨论】：