pandas中提取DataFrame某些列的一些方法
作者:宁萌Julie
前言
在处理表格型数据时,一行数据是一个 sample,列就是待提取的特征。怎么选取其中的一些列呢?本文分享一些方法。
使用如下的数据作为例子:
import pandas as pd
data = pd.DataFrame({'Name':['Anna', 'Betty', 'Richard', 'Philip','Paul'], 'course1':[85,83,90,84,85], 'course2':[90,85,83,88,84], 'course3':[82,86,81,91,85], 'fruit':['apple','banana','apple','orange','peach'], 'sport':['basketball', 'volleyball', 'football', 'basketball','baseball']}, index=[1,2,3,4,5]) df = pd.DataFrame(data)
df
Name | course1 | course2 | course3 | fruit | sport | |
---|---|---|---|---|---|---|
1 | Anna | 85 | 90 | 82 | apple | basketball |
2 | Betty | 83 | 85 | 86 | banana | volleyball |
3 | Richard | 90 | 83 | 81 | apple | football |
4 | Philip | 84 | 88 | 91 | orange | basketball |
5 | Paul | 85 | 84 | 85 | peach | baseball |
方法一:df[columns]
先看最简单的情况。输入列名,选择一列。例如:
df['course2']
1 90 2 85 3 83 4 88 5 84 Name: course2, dtype: int64
df[column list]:选择列。例如:
df[['course2','fruit']]
course2 | fruit | |
---|---|---|
1 | 90 | apple |
2 | 85 | banana |
3 | 83 | apple |
4 | 88 | orange |
5 | 84 | peach |
或者以 column list (list 变量)的形式导入到 df[ ] 中,例如:
select_cols=['course2','fruit'] df[select_cols]
course2 | fruit | |
---|---|---|
1 | 90 | apple |
2 | 85 | banana |
3 | 83 | apple |
4 | 88 | orange |
5 | 84 | peach |
可以用 column list=df.columns[start:end] 的方式选择连续列,start 和 end 均为数字,不包括 end 列。例如:
select_cols=df.columns[1:4] df[select_cols]
course1 | course2 | course3 | |
---|---|---|---|
1 | 85 | 90 | 82 |
2 | 83 | 85 | 86 |
3 | 90 | 83 | 81 |
4 | 84 | 88 | 91 |
5 | 85 | 84 | 85 |
你可能注意到,其中有 3 列的名字相近:‘course1’,‘course2’,‘course3’。怎么提取这三列呢?这里分享在Kaggle 上看到 一位大神使用的 list comprehension方法。
select_cols=[c for c in df.columns if 'course' in c] df[select_cols]
course1 | course2 | course3 | |
---|---|---|---|
1 | 85 | 90 | 82 |
2 | 83 | 85 | 86 |
3 | 90 | 83 | 81 |
4 | 84 | 88 | 91 |
5 | 85 | 84 | 85 |
但是,如果你想输入df['course1':'course3'] 来索引连续列,就会报错。而输入数字索引df[1:3]时,结果不再是列索引,而是行索引,如下所示:
df[1:3]
Name | course1 | course2 | course3 | fruit | sport | |
---|---|---|---|---|---|---|
2 | Betty | 83 | 85 | 86 | banana | volleyball |
3 | Richard | 90 | 83 | 81 | apple | football |
以下两种方法 df.loc[]和df.iloc[]就可以解决这个问题,可以明确行或列索引。还可以同时取多行和多列。
方法二:df.loc[]:用 label (行名或列名)做索引。
输入 column_list 选择多列 [:, column_list],括号中第一个: 表示选择全部行。例如:
df.loc[:,['course2','fruit']]
course2 | fruit | |
---|---|---|
1 | 90 | apple |
2 | 85 | banana |
3 | 83 | apple |
4 | 88 | orange |
5 | 84 | peach |
选择连续多列 [:,start_col: end_col],注意:包括 end_col。例如:
df.loc[:,'course2':'fruit']
course2 | course3 | fruit | |
---|---|---|---|
1 | 90 | 82 | apple |
2 | 85 | 86 | banana |
3 | 83 | 81 | apple |
4 | 88 | 91 | orange |
5 | 84 | 85 | peach |
选择多行和多列,例如:
df.loc[1:3,'course2':'fruit']
course2 | course3 | fruit | |
---|---|---|---|
1 | 90 | 82 | apple |
2 | 85 | 86 | banana |
3 | 83 | 81 | apple |
与 df[ ]类似,df.loc[ ]括号内也可以输入判断语句,结果是对行做筛选。例如:
df.loc[df['course1']>84] #注:输入df[df['course1']>84],输出结果相同
Name | course1 | course2 | course3 | fruit | sport | |
---|---|---|---|---|---|---|
1 | Anna | 85 | 90 | 82 | apple | basketball |
3 | Richard | 90 | 83 | 81 | apple | football |
5 | Paul | 85 | 84 | 85 | peach | baseball |
方法三:df.iloc[]: i 表示 integer,用 integer location(行或列的整数位置,从0开始)做索引。
df.iloc与df.loc用法类似,只是索引项不同。
df.iloc[:,[2,4]]
course2 | fruit | |
---|---|---|
1 | 90 | apple |
2 | 85 | banana |
3 | 83 | apple |
4 | 88 | orange |
5 | 84 | peach |
选择连续多列:df.iloc[:, start_ix:end_ix],注意:不包括 end_ix。例如:
df.iloc[:,2:5]
course2 | course3 | fruit | |
---|---|---|---|
1 | 90 | 82 | apple |
2 | 85 | 86 | banana |
3 | 83 | 81 | apple |
4 | 88 | 91 | orange |
5 | 84 | 85 | peach |
选择多行与多列,例如:
df.iloc[1:3,[2,4]]
course2 | fruit | |
---|---|---|
2 | 85 | banana |
3 | 83 | apple |
与 df.loc[] 不同,df.iloc[] 括号内不可以输入判断语句。
补充:提取所有列名中包含“线索”、“浏览”字段的列
import pandas as pd path = 'F:\python_projects\python_learning\ershouche.csv' df = pd.read_csv(open(path), index_col=0) df = df.fillna(0) # 填充空值后需赋值 print(df.describe()) columns = df.columns.values.tolist() # 获取列名列表,注意values,tolist的使用 col_xian = [] # 存储包含‘线索'字段的列名 for i in columns: if '线索' in i: col_xian.append(i) col_liu = [] # 存储包含‘浏览'字段的列名 for i in columns: if '浏览' in i: col_liu.append(i) df_xian = df[col_xian] # 根据列名取列 df_liu = df[col_liu]
参考:
1.如何选取dataframe的多列-教程:https://www.geeksforgeeks.org/how-to-select-multiple-columns-in-a-pandas-dataframe/
2.用 list comprehension 选择多列:https://www.kaggle.com/code/robikscube/ieee-fraud-detection-first-look-and-eda/notebook
3.df.loc 与 df.iloc 的比较:https://stackoverflow.com/questions/31593201/how-are-iloc-and-loc-different
总结
到此这篇关于pandas中提取DataFrame某些列的文章就介绍到这了,更多相关pandas提取DataFrame某些列内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!