我有一个这样的数据框架:
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(4,4), columns=list('abcd'))
df
a b c d
0 0.418762 0.042369 0.869203 0.972314
1 0.991058 0.510228 0.594784 0.534366
2 0.407472 0.259811 0.396664 0.894202
3 0.726168 0.139531 0.324932 0.906575
我如何得到除b之外的所有列?
当前回答
不要使用ix。弃用。最具可读性和惯用的方法是df.drop():
>>> df
a b c d
0 0.175127 0.191051 0.382122 0.869242
1 0.414376 0.300502 0.554819 0.497524
2 0.142878 0.406830 0.314240 0.093132
3 0.337368 0.851783 0.933441 0.949598
>>> df.drop('b', axis=1)
a c d
0 0.175127 0.382122 0.869242
1 0.414376 0.554819 0.497524
2 0.142878 0.314240 0.093132
3 0.337368 0.933441 0.949598
注意，默认情况下，.drop()不会原地操作;尽管有一个不祥的名字，df并没有受到这个过程的伤害。如果你想永久地从df中删除b，请执行df。下降(b,原地= True)。
df.drop()也接受一个标签列表，例如df.drop。Drop (['a'， 'b']， axis=1)删除列a和列b。
其他回答
对@Salvador Dali的另一个轻微修改使列列表可以排除:
df[[i for i in list(df.columns) if i not in [list_of_columns_to_exclude]]]
or
df.loc[:,[i for i in list(df.columns) if i not in [list_of_columns_to_exclude]]]
这里有另一种方法:
df[[i for i in list(df.columns) if i != '<your column>']]
你只需要传递要显示的所有列，除了你不想要的列。
你可以在索引中删除列:
df[df.columns.drop('b')]
or
df.loc[:, df.columns.drop('b')]
我认为一个很好的解决方案是使用pandas和regex的函数过滤器(匹配除“b”之外的所有内容):
df.filter(regex="^(?!b$)")
我测试了速度，发现对我来说。loc解决方案是最快的
df_working_1.loc[:, df_working_1.columns != "market_id"]
# 7.19 ms ± 201 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
df_working_1.drop("market_id", axis=1)
# 7.65 ms ± 136 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
df_working_1[df_working_1.columns.difference(['market_id'])]
# 7.58 ms ± 116 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
df_working_1[[i for i in list(df_working_1.columns) if i != 'market_id']]
# 7.57 ms ± 144 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
