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。
【Python与机器学习|pandas中如何提取DataFrame的某些列】使用如下的数据作为例子：
import pandas as pd
data = https://www.it610.com/article/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']
190
285
383
488
584
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。
觉得本文不错的话，请点赞支持一下吧，谢谢！
关注我 宁萌Julie，互相学习，多多交流呀！
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
推荐阅读
