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
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)。
其他回答
另一种从你的DataFrame获取列的子集的方法，假设你想要所有的行，将是这样做: Data [['a'，'b']]和Data [['c'，'d'，'e']]] 如果你想使用数值列索引，你可以这样做: 数据(数据。Columns[:2]]和data[data. Columns [2:]]
您可以使用截断方法
df = pd.DataFrame(np.random.rand(10, 5), columns = list('abcde'))
df_ab = df.truncate(before='a', after='b', axis=1)
df_cde = df.truncate(before='c', axis=1)
2017答案- pandas 0.20: .ix已弃用。使用.loc
请参阅文档中的弃用部分
.loc使用基于标签的索引来选择行和列。标签是索引或列的值。使用.loc进行切片包括最后一个元素。
让我们假设我们有一个包含以下列的DataFrame: Foo, bar, quz, ant, cat, sit, dat。
# selects all rows and all columns beginning at 'foo' up to and including 'sat'
df.loc[:, 'foo':'sat']
# foo bar quz ant cat sat
.loc接受与Python列表对行和列所做的相同的切片符号。切片符号为start:stop:step
# slice from 'foo' to 'cat' by every 2nd column
df.loc[:, 'foo':'cat':2]
# foo quz cat
# slice from the beginning to 'bar'
df.loc[:, :'bar']
# foo bar
# slice from 'quz' to the end by 3
df.loc[:, 'quz'::3]
# quz sat
# attempt from 'sat' to 'bar'
df.loc[:, 'sat':'bar']
# no columns returned
# slice from 'sat' to 'bar'
df.loc[:, 'sat':'bar':-1]
sat cat ant quz bar
# slice notation is syntatic sugar for the slice function
# slice from 'quz' to the end by 2 with slice function
df.loc[:, slice('quz',None, 2)]
# quz cat dat
# select specific columns with a list
# select columns foo, bar and dat
df.loc[:, ['foo','bar','dat']]
# foo bar dat
您可以按行和列进行切片。例如，如果你有5行，标签是v w x y z
# slice from 'w' to 'y' and 'foo' to 'ant' by 3
df.loc['w':'y', 'foo':'ant':3]
# foo ant
# w
# x
# y
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
你可以通过引用列表中每一列的名称来切片DataFrame的列，如下所示:
data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde'))
data_ab = data[list('ab')]
data_cde = data[list('cde')]
