前言

在處理表格型數(shù)據(jù)時(shí)，一行數(shù)據(jù)是一個(gè) sample，列就是待提取的特征。怎么選取其中的一些列呢？本文分享一些方法。

使用如下的數(shù)據(jù)作為例子：

import pandas as pd

data = pd.DataFrame({'Name':['Anna', 'Betty', 'Richard', 'Philip','Paul'],
        'course1':[85,83,90,84,85],
        'course2':[90,85,83,88,84],
        'course3':[82,86,81,91,85],
        'fruit':['apple','banana','apple','orange','peach'],
        'sport':['basketball', 'volleyball', 'football', 'basketball','baseball']},
         index=[1,2,3,4,5])
  
df = pd.DataFrame(data)

df

方法一：df[columns]

先看最簡(jiǎn)單的情況。輸入列名，選擇一列。例如：

df['course2']

1    90
2    85
3    83
4    88
5    84
Name: course2, dtype: int64

df[column list]：選擇列。例如：

df[['course2','fruit']]

或者以 column list (list 變量)的形式導(dǎo)入到 df[ ] 中，例如：

select_cols=['course2','fruit']
df[select_cols]

可以用 column list=df.columns[start:end] 的方式選擇連續(xù)列，start 和 end 均為數(shù)字，不包括 end 列。例如：

select_cols=df.columns[1:4]
df[select_cols]

你可能注意到，其中有 3 列的名字相近：‘course1’,‘course2’,‘course3’。怎么提取這三列呢？這里分享在Kaggle 上看到 一位大神使用的 list comprehension方法。

select_cols=[c for c in df.columns if 'course' in c]
df[select_cols]

但是，如果你想輸入df['course1':'course3'] 來(lái)索引連續(xù)列，就會(huì)報(bào)錯(cuò)。而輸入數(shù)字索引df[1:3]時(shí)，結(jié)果不再是列索引，而是行索引，如下所示：

df[1:3]

以下兩種方法 df.loc[]和df.iloc[]就可以解決這個(gè)問(wèn)題，可以明確行或列索引。還可以同時(shí)取多行和多列。

方法二：df.loc[]：用 label （行名或列名）做索引。

輸入 column_list 選擇多列 [:, column_list]，括號(hào)中第一個(gè): 表示選擇全部行。例如：

df.loc[:,['course2','fruit']]

選擇連續(xù)多列 [:,start_col: end_col]，注意：包括 end_col。例如：

df.loc[:,'course2':'fruit']

選擇多行和多列，例如：

df.loc[1:3,'course2':'fruit']

與 df[ ]類似，df.loc[ ]括號(hào)內(nèi)也可以輸入判斷語(yǔ)句，結(jié)果是對(duì)行做篩選。例如：

df.loc[df['course1']>84]
#注：輸入df[df['course1']>84]，輸出結(jié)果相同

方法三：df.iloc[]: i 表示 integer，用 integer location（行或列的整數(shù)位置，從0開(kāi)始）做索引。

df.iloc與df.loc用法類似，只是索引項(xiàng)不同。

df.iloc[:,[2,4]]

選擇連續(xù)多列：df.iloc[:, start_ix:end_ix]，注意：不包括 end_ix。例如：

df.iloc[:,2:5]

選擇多行與多列，例如：

df.iloc[1:3,[2,4]]

與 df.loc[] 不同，df.iloc[] 括號(hào)內(nèi)不可以輸入判斷語(yǔ)句。

補(bǔ)充：提取所有列名中包含“線索”、“瀏覽”字段的列

import pandas as pd
 
path = 'F:\python_projects\python_learning\ershouche.csv'
df = pd.read_csv(open(path), index_col=0)
df = df.fillna(0)  # 填充空值后需賦值
print(df.describe())
 
columns = df.columns.values.tolist()  # 獲取列名列表，注意values，tolist的使用
col_xian = []  # 存儲(chǔ)包含‘線索'字段的列名
for i in columns:
    if '線索' in i:
        col_xian.append(i)
 
col_liu = [] # 存儲(chǔ)包含‘瀏覽'字段的列名
for i in columns:
    if '瀏覽' in i:
        col_liu.append(i)
 
df_xian = df[col_xian]  # 根據(jù)列名取列
df_liu = df[col_liu]

參考：

1.如何選取dataframe的多列-教程：https://www.geeksforgeeks.org/how-to-select-multiple-columns-in-a-pandas-dataframe/

2.用 list comprehension 選擇多列：https://www.kaggle.com/code/robikscube/ieee-fraud-detection-first-look-and-eda/notebook

3.df.loc 與 df.iloc 的比較：https://stackoverflow.com/questions/31593201/how-are-iloc-and-loc-different

總結(jié)