如何从df中选择列a和b，并将它们保存到新的数据帧df1中？
index a b c
1 2 3 4
2 3 4 5
尝试失败：
df1 = df['a':'b']
df1 = df.ix[:, 'a':'b']
当前回答
我认为这是实现目标的最简单方法。
熊猫作为pd进口列=[a'，'b']df1=pd.DataFrame（df，columns=cols）df1=df.iloc[：，0:2]
其他回答
从0.11.0版起，可以使用.loc索引器以尝试的方式对列进行切片：
df.loc[:, 'C':'E']
相当于
df[['C', 'D', 'E']] # or df.loc[:, ['C', 'D', 'E']]
并返回列C到E。
随机生成的DataFrame演示：
import pandas as pd
import numpy as np
np.random.seed(5)
df = pd.DataFrame(np.random.randint(100, size=(100, 6)),
columns=list('ABCDEF'),
index=['R{}'.format(i) for i in range(100)])
df.head()
Out:
A B C D E F
R0 99 78 61 16 73 8
R1 62 27 30 80 7 76
R2 15 53 80 27 44 77
R3 75 65 47 30 84 86
R4 18 9 41 62 1 82
要获取从C到E的列（请注意，与整数切片不同，列中包含E）：
df.loc[:, 'C':'E']
Out:
C D E
R0 61 16 73
R1 30 80 7
R2 80 27 44
R3 47 30 84
R4 41 62 1
R5 5 58 0
...
这同样适用于基于标签选择行。从这些列中获取行R6到R10：
df.loc['R6':'R10', 'C':'E']
Out:
C D E
R6 51 27 31
R7 83 19 18
R8 11 67 65
R9 78 27 29
R10 7 16 94
.loc还接受布尔数组，因此您可以选择数组中相应条目为True的列。例如，df.columns.isin（list（'BCD'））返回array（[False，True，True，False，False，False]，dtype=bool）-如果列名在列表['B'，'C'，'D']中，则返回True；否则为False。
df.loc[:, df.columns.isin(list('BCD'))]
Out:
B C D
R0 78 61 16
R1 27 30 80
R2 53 80 27
R3 65 47 30
R4 9 41 62
R5 78 5 58
...
一种不同且简单的方法：迭代行
使用迭代
df1 = pd.DataFrame() # Creating an empty dataframe
for index,i in df.iterrows():
df1.loc[index, 'A'] = df.loc[index, 'A']
df1.loc[index, 'B'] = df.loc[index, 'B']
df1.head()
要选择多个列，请提取并查看它们：df是先前命名的数据帧。然后创建一个新的数据帧df1，并选择要提取和查看的列a到D。
df1 = pd.DataFrame(data_frame, columns=['Column A', 'Column B', 'Column C', 'Column D'])
df1
将显示所有必需的列！
我发现这种方法非常有用：
# iloc[row slicing, column slicing]
surveys_df.iloc [0:3, 1:4]
更多详情请点击此处。
如果要按行索引和列名获取一个元素，可以像df['b'][0]一样执行。这就像你能想象的那样简单。
或者可以使用df.ix[0，'b']-索引和标签的混合用法。
注意：从v0.20开始，ix已被弃用，取而代之的是loc/iloc。
