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
你可以在索引中删除列:
df[df.columns.drop('b')]
or
df.loc[:, df.columns.drop('b')]
其他回答
你可以使用df.columns.isin()
df.loc[:, ~df.columns.isin(['b'])]
当你想删除多个列时，简单如下:
df.loc[:, ~df.columns.isin(['col1', 'col2'])]
当列不是MultiIndex时，df。Columns只是一个列名数组，所以你可以这样做:
df.loc[:, df.columns != 'b']
a c d
0 0.561196 0.013768 0.772827
1 0.882641 0.615396 0.075381
2 0.368824 0.651378 0.397203
3 0.788730 0.568099 0.869127
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)
你可以在索引中删除列:
df[df.columns.drop('b')]
or
df.loc[:, df.columns.drop('b')]
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]]]
