我在不同的列中有数据，但是我不知道如何提取数据以将其保存在另一个变量中。

index  a   b   c
1      2   3   4
2      3   4   5

如何选择'a'，'b'并将其保存到df1？

我试过了

df1 = df['a':'b']
df1 = df.ix[:, 'a':'b']

似乎没有任何工作。

列名（字符串）无法按照您尝试的方式进行切片。

在这里，您有两个选择。如果您从上下文中知道要切出哪些变量，则可以通过将列表传递给__getitem__语法（[]）来仅返回那些列的视图。

df1 = df[['a','b']]

或者，如果需要对它们进行数字索引而不是按其名称进行索引（例如，您的代码应在不知道前两列名称的情况下自动执行此操作），则可以执行以下操作：

df1 = df.iloc[:,0:2] # Remember that Python does not slice inclusive of the ending index.

此外，您应该熟悉Pandas对象与该对象副本的视图概念。上述方法中的第一个将在内存中返回所需子对象（所需切片）的新副本。

但是，有时熊猫中有一些索引约定不执行此操作，而是给您一个新变量，该变量仅引用与原始对象中的子对象或切片相同的内存块。第二种索引编制方式会发生这种情况，因此您可以使用copy()函数对其进行修改以获取常规副本。发生这种情况时，更改您认为是切片对象的内容有时会更改原始对象。始终对此保持警惕。

df1 = df.iloc[0,0:2].copy() # To avoid the case where changing df1 also changes df

要使用iloc，您需要知道列位置（或索引）。由于列位置可能会改变，而不是硬编码索引，则可以使用iloc随get_loc功能的columns数据框对象的方法来获得列索引。

{df.columns.get_loc(c):c for idx, c in enumerate(df.columns)}

现在，您可以使用此字典通过名称和使用来访问列iloc。

从0.11.0版本开始，可以按照您尝试使用.loc索引器的方式对列进行切片：

df.loc[:, 'C':'E']

等价于

df[['C', 'D', 'E']]  # or df.loc[:, ['C', 'D', 'E']]

并C通过返回列E。

随机生成的DataFrame的演示：

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

要从C到E获得列（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
...

同样适用于基于标签选择行。从这些列中获取行“ R6”至“ 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还接受一个布尔数组，因此您可以选择在数组中对应条目为的列True。例如，如果列名称在列表中，则df.columns.isin(list('BCD'))返回array([False, True, True, True, False, False], dtype=bool)-True ['B', 'C', 'D']；错误，否则。

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
...

假设列名（df.columns）为['index','a','b','c']，则所需数据在第3列和第4列中。如果在脚本运行时不知道它们的名称，则可以执行此操作

newdf = df[df.columns[2:4]] # Remember, Python is 0-offset! The "3rd" entry is at slot 2.

正如EMS在他的回答中指出的那样，df.ix切片列更加简洁，但是.columns切片界面可能更自然，因为它使用了香草1-D python列表索引/切片语法。

警告：这'index'是DataFrame列的坏名称。该标签也用于真实df.index属性Index数组。因此，您的列由返回，df['index']而真正的DataFrame索引由返回df.index。An Index是一种特殊的Series优化方法，用于查找其元素的值。对于df.index，它用于按标签查找行。该df.columns属性也是一个pd.Index数组，用于按标签查找列。

In [39]: df
Out[39]: 
   index  a  b  c
0      1  2  3  4
1      2  3  4  5

In [40]: df1 = df[['b', 'c']]

In [41]: df1
Out[41]: 
   b  c
0  3  4
1  4  5

我知道这个问题已经很老了，但是在最新版本的熊猫中，有一种简单的方法可以做到这一点。列名（即字符串）可以按您喜欢的任何方式进行切片。

columns = ['b', 'c']
df1 = pd.DataFrame(df, columns=columns)

您可以提供要删除的列的列表，然后仅使用drop()Pandas DataFrame上的函数返回带有所需列的DataFrame。

只是说

colsToDrop = ['a']
df.drop(colsToDrop, axis=1)

将返回仅包含列b和的DataFrame c。

该drop方法在此处记录。

有了熊猫

机智列名称

dataframe[['column1','column2']]

通过iloc和具有索引号的特定列进行选择：

dataframe.iloc[:,[1,2]]

与loc列名称可以像

dataframe.loc[:,['column1','column2']]

我发现此方法非常有用：

# iloc[row slicing, column slicing]
surveys_df.iloc [0:3, 1:4]

可以在这里找到更多详细信息

从0.21.0开始，不推荐使用.loc或[]使用带有一个或多个缺少标签的列表，而推荐使用.reindex。因此，您的问题的答案是：

df1 = df.reindex(columns=['b','c'])

在以前的版本中，.loc[list-of-labels]只要找到至少一个键就可以使用using （否则将引发KeyError）。此行为已弃用，现在显示警告消息。推荐的替代方法是使用.reindex()。

在索引和选择数据中了解更多信息

您可以使用熊猫。我创建了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'])

数据框：

           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1列或更多列：

    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

和哟列 Test_2

    Jane     2
    Peter    4
    Alex     7
    Ann      6

您也可以使用从这些行中选择列和行.loc()。这称为“切片”。请注意，我从列Test_1到Test_3

    df.loc[:,'Test_1':'Test_3']

“切片”为：

            Test_1  Test_2  Test_3
     Jane        1       2       5
     Peter       5       4       5
     Alex        7       7       8
     Ann         7       6       9

如果你只是想Peter和Ann来自列Test_1和Test_3：

    df.loc[['Peter', 'Ann'],['Test_1','Test_3']]

你得到：

           Test_1  Test_3
    Peter       5       5
    Ann         7       9

如果要按行索引和列名获取一个元素，则可以像那样进行df['b'][0]。它像成像一样简单。

或者，您也可以df.ix[0,'b']混合使用索引和标签。

注意：由于ix不推荐使用v0.20 ，而推荐使用loc/ iloc。

一种不同而又简单的方法：迭代行

使用iterows

 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()

以上响应中讨论的不同方法是基于以下假设：用户知道要放下或子集化的列索引，或者用户希望使用一定范围的列（例如，在“ C”与“ E”之间）对数据帧进行子集化。pandas.DataFrame.drop（）当然是基于用户定义的列列表对数据进行子集化的选项（尽管您必须谨慎使用始终使用dataframe的副本，并且inplace参数不应设置为True！）

另一种选择是使用pandas.columns.difference（），它对列名进行设置上的区别，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)

输出为： b c 1 3 4 2 4 5

您也可以使用df.pop（）

>>> df = pd.DataFrame([('falcon', 'bird',    389.0),
...                    ('parrot', 'bird',     24.0),
...                    ('lion',   'mammal',   80.5),
...                    ('monkey', 'mammal', np.nan)],
...                   columns=('name', 'class', 'max_speed'))
>>> df
     name   class  max_speed
0  falcon    bird      389.0
1  parrot    bird       24.0
2    lion  mammal       80.5
3  monkey  mammal 

>>> df.pop('class')
0      bird
1      bird
2    mammal
3    mammal
Name: class, dtype: object

>>> df
     name  max_speed
0  falcon      389.0
1  parrot       24.0
2    lion       80.5
3  monkey        NaN

让我知道这是否对您有帮助，请使用df.pop（c）

我已经看到了一些答案，但是仍然不清楚。您将如何选择那些感兴趣的列？答案是，如果将它们收集在列表中，则可以使用列表引用列。

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list / numpy数组extracted_features，指定63列。原始数据集有103列，我想准确提取出这些列，然后使用

dataset[extracted_features]

你最终会得到这个

您将在机器学习中（特别是在功能选择中）经常使用此功能。我也想讨论其他方式，但是我认为其他stackoverflowers已经对此进行了讨论。希望这对您有所帮助！

您可以使用pandas.DataFrame.filtermethod来过滤或重新排序列，如下所示：

df1 = df.filter(['a', 'b'])

df[['a','b']] # select all rows of 'a' and 'b'column 
df.loc[0:10, ['a','b']] # index 0 to 10 select column 'a' and 'b'
df.loc[0:10, ['a':'b']] # index 0 to 10 select column 'a' to 'b'
df.iloc[0:10, 3:5] # index 0 to 10 and column 3 to 5
df.iloc[3, 3:5] # index 3 of column 3 to 5