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
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。
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()
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]
前面的答案中讨论的不同方法基于这样的假设：用户知道要删除或子集的列索引，或者用户希望使用一系列列（例如“C”和“E”之间）来子集数据帧。
pandas.DataFrame.drop（）当然是一个基于用户定义的列列表对数据进行子集的选项（尽管您必须谨慎地始终使用数据帧的副本，并且不应将就地参数设置为True！！）
另一个选项是使用pandas.columns.difference（），它对列名进行设置差异，并返回包含所需列的数组的索引类型。以下是解决方案：
df = pd.DataFrame([[2,3,4], [3,4,5]], columns=['a','b','c'], index=[1,2])
columns_for_differencing = ['a']
df1 = df.copy()[df.columns.difference(columns_for_differencing)]
print(df1)
输出将是：
b c
1 3 4
2 4 5
您可以提供要删除的列的列表，并使用Pandas DataFrame上的drop（）函数仅返回所需的列。
只是说说而已
colsToDrop = ['a']
df.drop(colsToDrop, axis=1)
将返回仅包含列b和c的DataFrame。
此处记录了drop方法。
