pandas中提取DataFrame某些列的一些方法
前言
在處理表格型數(shù)據(jù)時(shí),一行數(shù)據(jù)是一個(gè) sample,列就是待提取的特征。怎么選取其中的一些列呢?本文分享一些方法。
使用如下的數(shù)據(jù)作為例子:
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]
先看最簡(jiǎn)單的情況。輸入列名,選擇一列。例如:
df['course2']
1 90 2 85 3 83 4 88 5 84 Name: course2, dtype: int64
df[column list]:選擇列。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 變量)的形式導(dǎo)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] 的方式選擇連續(xù)列,start 和 end 均為數(shù)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’。怎么提取這三列呢?這里分享在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,如果你想輸入df['course1':'course3'] 來索引連續(xù)列,就會(huì)報(bào)錯(cuò)。而輸入數(shù)字索引df[1:3]時(shí),結(jié)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 |
以下兩種方法 df.loc[]和df.iloc[]就可以解決這個(gè)問題,可以明確行或列索引。還可以同時(shí)取多行和多列。
方法二:df.loc[]:用 label (行名或列名)做索引。
輸入 column_list 選擇多列 [:, column_list],括號(hào)中第一個(gè): 表示選擇全部行。例如:
df.loc[:,['course2','fruit']]
course2 | fruit | |
---|---|---|
1 | 90 | apple |
2 | 85 | banana |
3 | 83 | apple |
4 | 88 | orange |
5 | 84 | peach |
選擇連續(xù)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 |
選擇多行和多列,例如:
df.loc[1:3,'course2':'fruit']
course2 | course3 | fruit | |
---|---|---|---|
1 | 90 | 82 | apple |
2 | 85 | 86 | banana |
3 | 83 | 81 | apple |
與 df[ ]類似,df.loc[ ]括號(hào)內(nèi)也可以輸入判斷語句,結(jié)果是對(duì)行做篩選。例如:
df.loc[df['course1']>84] #注:輸入df[df['course1']>84],輸出結(jié)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(行或列的整數(shù)位置,從0開始)做索引。
df.iloc與df.loc用法類似,只是索引項(xiàng)不同。
df.iloc[:,[2,4]]
course2 | fruit | |
---|---|---|
1 | 90 | apple |
2 | 85 | banana |
3 | 83 | apple |
4 | 88 | orange |
5 | 84 | peach |
選擇連續(xù)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 |
選擇多行與多列,例如:
df.iloc[1:3,[2,4]]
course2 | fruit | |
---|---|---|
2 | 85 | banana |
3 | 83 | apple |
與 df.loc[] 不同,df.iloc[] 括號(hào)內(nèi)不可以輸入判斷語句。
補(bǔ)充:提取所有列名中包含“線索”、“瀏覽”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) # 填充空值后需賦值 print(df.describe()) columns = df.columns.values.tolist() # 獲取列名列表,注意values,tolist的使用 col_xian = [] # 存儲(chǔ)包含‘線索'字段的列名 for i in columns: if '線索' in i: col_xian.append(i) col_liu = [] # 存儲(chǔ)包含‘瀏覽'字段的列名 for i in columns: if '瀏覽' in i: col_liu.append(i) df_xian = df[col_xian] # 根據(jù)列名取列 df_liu = df[col_liu]
參考:
1.如何選取dataframe的多列-教程:https://www.geeksforgeeks.org/how-to-select-multiple-columns-in-a-pandas-dataframe/
2.用 list comprehension 選擇多列:https://www.kaggle.com/code/robikscube/ieee-fraud-detection-first-look-and-eda/notebook
3.df.loc 與 df.iloc 的比較:https://stackoverflow.com/questions/31593201/how-are-iloc-and-loc-different
總結(jié)
到此這篇關(guān)于pandas中提取DataFrame某些列的文章就介紹到這了,更多相關(guān)pandas提取DataFrame某些列內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- Pandas?DataFrame數(shù)據(jù)修改值的方法
- Pandas-DataFrame知識(shí)點(diǎn)匯總
- Pandas實(shí)現(xiàn)DataFrame的簡(jiǎn)單運(yùn)算、統(tǒng)計(jì)與排序
- Pandas 如何處理DataFrame中的inf值
- pandas選擇或添加列生成新的DataFrame操作示例
- Python數(shù)據(jù)分析Pandas?Dataframe排序操作
- Python數(shù)據(jù)分析之?Pandas?Dataframe合并和去重操作
- Python數(shù)據(jù)分析之?Pandas?Dataframe修改和刪除及查詢操作
- Python數(shù)據(jù)分析之?Pandas?Dataframe條件篩選遍歷詳情
- pandas?Dataframe實(shí)現(xiàn)批量修改值的方法
相關(guān)文章
django 自定義過濾器(filter)處理較為復(fù)雜的變量方法
今天小編就為大家分享一篇django 自定義過濾器(filter)處理較為復(fù)雜的變量方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-08-08利用Python實(shí)現(xiàn)命令行版的火車票查看器
當(dāng)你想查詢一下火車票信息的時(shí)候,你還在上12306官網(wǎng)嗎?或是打開你手機(jī)里的APP?下面讓我們來用Python寫一個(gè)命令行版的火車票查看器, 只要在命令行敲一行命令就能獲得你想要的火車票信息!如果你剛掌握了Python基礎(chǔ),這將是個(gè)不錯(cuò)的小練習(xí)。2016-08-08pycharm遠(yuǎn)程調(diào)試openstack的圖文教程
這篇文章主要為大家詳細(xì)介紹了pycharm遠(yuǎn)程調(diào)試openstack的圖文教程,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2017-11-11python使用yield壓平嵌套字典的超簡(jiǎn)單方法
這篇文章主要給大家介紹了關(guān)于python使用yield壓平嵌套字典的超簡(jiǎn)單方法,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-11-11Python輸入圓半徑,計(jì)算圓周長(zhǎng)和面積的實(shí)現(xiàn)方式
這篇文章主要介紹了Python輸入圓半徑,計(jì)算圓周長(zhǎng)和面積的實(shí)現(xiàn)方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-12-12python列表中remove()函數(shù)的使用方法詳解
這篇文章主要給大家介紹了關(guān)于python列表中remove()函數(shù)的使用,以及Python列表的remove方法的注意事項(xiàng),文中通過示例代碼介紹的非常詳細(xì),需要的朋友可以參考下2021-12-12