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
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
其他回答
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！
我已经看到了几个答案，但其中一个仍然不清楚。你会如何选择那些感兴趣的专栏？
答案是，如果您将它们收集在列表中，则可以使用列表引用列。
实例
print(extracted_features.shape)
print(extracted_features)
(63,)
['f000004' 'f000005' 'f000006' 'f000014' 'f000039' 'f000040' 'f000043'
'f000047' 'f000048' 'f000049' 'f000050' 'f000051' 'f000052' 'f000053'
'f000054' 'f000055' 'f000056' 'f000057' 'f000058' 'f000059' 'f000060'
'f000061' 'f000062' 'f000063' 'f000064' 'f000065' 'f000066' 'f000067'
'f000068' 'f000069' 'f000070' 'f000071' 'f000072' 'f000073' 'f000074'
'f000075' 'f000076' 'f000077' 'f000078' 'f000079' 'f000080' 'f000081'
'f000082' 'f000083' 'f000084' 'f000085' 'f000086' 'f000087' 'f000088'
'f000089' 'f000090' 'f000091' 'f000092' 'f000093' 'f000094' 'f000095'
'f000096' 'f000097' 'f000098' 'f000099' 'f000100' 'f000101' 'f000103']
我有以下列表/NumPy数组extracted_features，指定了63列。原始数据集有103列，我想提取这些列，然后使用
dataset[extracted_features]
你最终会得到这个
这是你在机器学习中经常用到的东西（更具体地说，在特征选择中）。我也想讨论其他方式，但我认为其他Stack Overflower用户已经涵盖了这一点。
你可以使用熊猫。
我创建DataFrame：
import pandas as pd
df = pd.DataFrame([[1, 2,5], [5,4, 5], [7,7, 8], [7,6,9]],
index=['Jane', 'Peter','Alex','Ann'],
columns=['Test_1', 'Test_2', 'Test_3'])
数据帧：
Test_1 Test_2 Test_3
Jane 1 2 5
Peter 5 4 5
Alex 7 7 8
Ann 7 6 9
要按名称选择一个或多个列，请执行以下操作：
df[['Test_1', 'Test_3']]
Test_1 Test_3
Jane 1 5
Peter 5 5
Alex 7 8
Ann 7 9
您还可以使用：
df.Test_2
然后得到Test_2列：
Jane 2
Peter 4
Alex 7
Ann 6
您还可以使用.loc（）从这些行中选择列和行。这称为“切片”。请注意，我从列Test_1到Test_3：
df.loc[:, 'Test_1':'Test_3']
“切片”是：
Test_1 Test_2 Test_3
Jane 1 2 5
Peter 5 4 5
Alex 7 7 8
Ann 7 6 9
如果你只想让Peter和Ann在Test_1和Test_3列中：
df.loc[['Peter', 'Ann'], ['Test_1', 'Test_3']]
你得到：
Test_1 Test_3
Peter 5 5
Ann 7 9
假设你的列名（df.columns）是['index'，'a'，'b'，'c']，那么你想要的数据就在第三列和第四列。如果脚本运行时不知道它们的名称，可以执行以下操作
newdf = df[df.columns[2:4]] # Remember, Python is zero-offset! The "third" entry is at slot two.
正如EMS在回答中所指出的，df.ix对列进行了更简洁的切片，但.columns切片接口可能更自然，因为它使用了普通的一维Python列表索引/切片语法。
警告：“index”是DataFrame列的错误名称。同一标签也用于实际df.index属性，即index数组。因此，您的列由df['index']返回，而真正的DataFrame索引由df.index返回。index是一种特殊的系列，优化用于查找其元素值。对于df.index，它用于按标签查找行。df.columns属性也是一个pd.Index数组，用于按标签查找列。
