我从CSV文件中加载了一些机器学习数据。前两列是观察结果，其余列是特征。
目前，我做以下事情:
data = pandas.read_csv('mydata.csv')
它会给出如下内容:
data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde'))
我想把这个数据帧切成两个数据帧:一个包含列a和b，一个包含列c, d和e。
不可能写出这样的东西
observations = data[:'c']
features = data['c':]
我不确定最好的方法是什么。我需要一个pd.Panel吗?
顺便说一下，我发现数据帧索引非常不一致:数据['a']是允许的，但数据[0]是不允许的。另一方面，数据['a':]是不允许的，但数据[0:]是允许的。 这有什么实际的原因吗?如果列以Int为索引，这真的很令人困惑，给定data[0] != data[0:1]
当前回答
让我们以来自海运包的titanic数据集为例
# Load dataset (pip install seaborn)
>> import seaborn.apionly as sns
>> titanic = sns.load_dataset('titanic')
使用列名
>> titanic.loc[:,['sex','age','fare']]
使用列索引
>> titanic.iloc[:,[2,3,6]]
使用ix(比Pandas更老<。20版本)
>> titanic.ix[:,[‘sex’,’age’,’fare’]]
or
>> titanic.ix[:,[2,3,6]]
使用重索引方法
>> titanic.reindex(columns=['sex','age','fare'])
其他回答
如果你来这里寻找两个范围的列切片并将它们组合在一起(像我一样)，你可以做这样的事情
op = df[list(df.columns[0:899]) + list(df.columns[3593:])]
print op
这将创建一个具有前900列和(所有)列> 3593的新数据框架(假设您的数据集中有4000列)。
同样，给定一个数据帧
数据
就像在你的例子中，如果你只想提取列a和d(即第1列和第4列)，那么熊猫数据框架中的iloc方法就是你所需要的，并且可以非常有效地使用。您所需要知道的只是想要提取的列的索引。例如:
>>> data.iloc[:,[0,3]]
会给你
a d
0 0.883283 0.100975
1 0.614313 0.221731
2 0.438963 0.224361
3 0.466078 0.703347
4 0.955285 0.114033
5 0.268443 0.416996
6 0.613241 0.327548
7 0.370784 0.359159
8 0.692708 0.659410
9 0.806624 0.875476
下面介绍如何使用不同的方法进行选择性列切片，包括基于选择标签的、基于索引的和基于选择范围的列切片。
In [37]: import pandas as pd
In [38]: import numpy as np
In [43]: df = pd.DataFrame(np.random.rand(4,7), columns = list('abcdefg'))
In [44]: df
Out[44]:
a b c d e f g
0 0.409038 0.745497 0.890767 0.945890 0.014655 0.458070 0.786633
1 0.570642 0.181552 0.794599 0.036340 0.907011 0.655237 0.735268
2 0.568440 0.501638 0.186635 0.441445 0.703312 0.187447 0.604305
3 0.679125 0.642817 0.697628 0.391686 0.698381 0.936899 0.101806
In [45]: df.loc[:, ["a", "b", "c"]] ## label based selective column slicing
Out[45]:
a b c
0 0.409038 0.745497 0.890767
1 0.570642 0.181552 0.794599
2 0.568440 0.501638 0.186635
3 0.679125 0.642817 0.697628
In [46]: df.loc[:, "a":"c"] ## label based column ranges slicing
Out[46]:
a b c
0 0.409038 0.745497 0.890767
1 0.570642 0.181552 0.794599
2 0.568440 0.501638 0.186635
3 0.679125 0.642817 0.697628
In [47]: df.iloc[:, 0:3] ## index based column ranges slicing
Out[47]:
a b c
0 0.409038 0.745497 0.890767
1 0.570642 0.181552 0.794599
2 0.568440 0.501638 0.186635
3 0.679125 0.642817 0.697628
### with 2 different column ranges, index based slicing:
In [49]: df[df.columns[0:1].tolist() + df.columns[1:3].tolist()]
Out[49]:
a b c
0 0.409038 0.745497 0.890767
1 0.570642 0.181552 0.794599
2 0.568440 0.501638 0.186635
3 0.679125 0.642817 0.697628
其等效
>>> print(df2.loc[140:160,['Relevance','Title']])
>>> print(df2.ix[140:160,[3,7]])
if数据帧是这样的:
group name count
fruit apple 90
fruit banana 150
fruit orange 130
vegetable broccoli 80
vegetable kale 70
vegetable lettuce 125
OUTPUT可以是
group name count
0 fruit apple 90
1 fruit banana 150
2 fruit orange 130
如果使用逻辑运算符np.logical_not
df[np.logical_not(df['group'] == 'vegetable')]
更多关于
https://docs.scipy.org/doc/numpy-1.13.0/reference/routines.logic.html
其他逻辑运算符
logical_and(x1, x2， /[， out, where，…])计算的真值 x1和x2元素。 Logical_or (x1, x2， /[， out, where, casting， 计算x1或x2元素的真值。 logical_not(x， /[， out, where, casting，…])计算真值 NOT x元素的值。 logical_xor(x1, x2， /[， out, where， ..])按元素计算x1 XOR x2的真值。
