在pandas中保留/切片特定列

Question

我知道有这些选择列的方法：

df2 = df[["col1", "col2", "col3"]] 和 df2 = df.ix[:,0:2]

但我在想有没有一种方法，可以在同一次操作中从数据框的前面、中间或后面选择列，而不需要一个个列出来。

比如说，有一个数据框 df，它的列是：col1、col2、col3、col4、col5 和 col6。

有没有办法做到像这样？

df2 = df.ix[:, [0:2, "col5"]]

我现在的情况是有几百列，常常需要根据不同的需求选择特定的列。我查过文档，但没看到类似的内容。我是不是漏掉了什么？

Answer 1

我不太明白你具体在问什么。如果你想要某一列的前5行和后5行数据，可以这样做：

df = pd.DataFrame({'col1': np.random.randint(0,3,1000),
               'col2': np.random.rand(1000),
               'col5': np.random.rand(1000)}) 
In [36]: df['col5']
Out[36]: 
0     0.566218
1     0.305987
2     0.852257
3     0.932764
4     0.185677
...
996    0.268700
997    0.036250
998    0.470009
999    0.361089
Name: col5, Length: 1000 
In [38]: df['col5'][(df.index < 5) | (df.index > (len(df) - 5))]
Out[38]: 
0      0.566218
1      0.305987
2      0.852257
3      0.932764
4      0.185677
996    0.268700
997    0.036250
998    0.470009
999    0.361089
Name: col5

或者，更一般来说，你可以写一个函数来实现这个功能：

In [41]: def head_and_tail(df, n=5):
    ...:     return df[(df.index < n) | (df.index > (len(df) - n))] 
In [44]: head_and_tail(df, 7)
Out[44]: 
     col1      col2      col5
0       0  0.489944  0.566218
1       1  0.639213  0.305987
2       1  0.000690  0.852257
3       2  0.620568  0.932764
4       0  0.310816  0.185677
5       0  0.930496  0.678504
6       2  0.165250  0.440811
994     2  0.842181  0.636472
995     0  0.899453  0.830839
996     0  0.418264  0.268700
997     0  0.228304  0.036250
998     2  0.031277  0.470009
999     1  0.542502  0.361089 

Answer 2

如果你的列名中包含可以用来筛选的信息，你可以使用 df.filter(regex='name*') 这个方法。比如，我用这个方法来筛选我有的189个数据通道，从 a1_01 到 b3_21，效果很好。

Answer 3

如果我理解正确，最简单的方法我想到的就是这样：

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame(np.random.randn(5, 10))
>>> df[list(df.columns[:2]) + [7]]
          0         1         7
0  0.210139  0.533249  1.780426
1  0.382136  0.083999 -0.392809
2 -0.237868  0.493646 -1.208330
3  1.242077 -0.781558  2.369851
4  1.910740 -0.643370  0.982876

这里的 list 调用是必须的，因为如果不加这个，Index 对象会尝试把自己和数字 7 相加。

也可以特别处理像 numpy 的 r_ 这样的情况，这样的话

df[col_[:2, "col5", 3:6]]

就可以正常工作，不过我不确定这样做是否值得。