选择特定CSV列（过滤） - Python/pandas

Question

我有一个非常大的CSV文件，里面有100列。为了说明我的问题，我会用一个非常简单的例子。

假设我们有一个CSV文件。

in  value   d     f
0    975   f01    5
1    976   F      4
2    977   d4     1
3    978   B6     0
4    979   2C     0

我想选择特定的列。

import pandas
data = pandas.read_csv("ThisFile.csv")

为了选择前两列，我用了

data.ix[:,:2]

如果我想选择其他列，比如第二列和第四列，我该怎么做呢？

还有一种解决这个问题的方法，就是重新写这个CSV文件。但这个文件太大了，所以我不想这样做。

Answer 1

正如 Wai Yip Tung 所说，你可以在读取数据时通过指定列的名称来过滤你的数据表，比如：

import pandas as pd
data = pd.read_csv("ThisFile.csv")[['value','d']]

这样就解决了我的问题。

Answer 2

如果你想通过名称来选择列，可以使用下面的代码：

data[['value','f']]

   value  f
0    975  5
1    976  4
2    977  1
3    978  0
4    979  0

Answer 3

这段话的意思是，下面的代码可以选择第二列和第四列的数据（因为在Python中，索引是从0开始的）：

In [272]: df.iloc[:,(1,3)]
Out[272]: 
   value  f
0    975  5
1    976  4
2    977  1
3    978  0
4    979  0

[5 rows x 2 columns]

df.ix可以通过位置或标签来选择数据，而df.iloc总是通过位置来选择。当你想通过位置来选择数据时，使用df.iloc可以更明确地表达你的意图。这样做也会稍微快一点，因为Pandas不需要检查你的索引是否是用标签来表示的。

---

还有一种方法是使用usecols这个参数：

data = pandas.read_csv("ThisFile.csv", usecols=[1,3])

这样做会只把第二列和第四列的数据加载到data这个数据框中。