将特定的选定列提取到新DataFrame中作为副本

我有一个带有4列的pandas DataFrame，我想创建一个只有三个列的新 DataFrame 。这个问题类似于：从数据框中提取特定的列，但对于不是R的熊猫来说。以下代码不起作用，会引发错误，并且肯定不是熊猫的方式。

import pandas as pd
old = pd.DataFrame({'A' : [4,5], 'B' : [10,20], 'C' : [100,50], 'D' : [-30,-50]})
new = pd.DataFrame(zip(old.A, old.C, old.D)) # raises TypeError: data argument can't be an iterator 

熊猫式的做法是什么？

有一种方法可以做到，它实际上看起来类似于R

new = old[['A', 'C', 'D']].copy()

在这里，您只是从原始数据框中选择所需的列，并为这些列创建变量。如果您想完全修改新的数据框，则可能要.copy()避免使用SettingWithCopyWarning。

另一种方法是使用filter默认创建副本的方法：

new = old.filter(['A','B','D'], axis=1)

最后，根据原始数据框中的列数，使用a表示它可能更简洁drop（默认情况下也会创建一个副本）：

new = old.drop('B', axis=1)

最简单的方法是

new = old[['A','C','D']]

。

另一个更简单的方法似乎是：

new = pd.DataFrame([old.A, old.B, old.C]).transpose()

哪里old.column_name会给你一系列。列出所有要保留的列系列，并将其传递给DataFrame构造函数。我们需要进行转置来调整形状。

In [14]:pd.DataFrame([old.A, old.B, old.C]).transpose()
Out[14]: 
   A   B    C
0  4  10  100
1  5  20   50

通用功能形式

def select_columns(data_frame, column_names):
    new_frame = data_frame.loc[:, column_names]
    return new_frame

专门针对您上面的问题

selected_columns = ['A', 'C', 'D']
new = select_columns(old, selected_columns)

如果您想要一个新的数据框，则：

import pandas as pd
old = pd.DataFrame({'A' : [4,5], 'B' : [10,20], 'C' : [100,50], 'D' : [-30,-50]})
new=  old[['A', 'C', 'D']]

据我所知，使用过滤器功能时不一定需要指定轴。

new = old.filter(['A','B','D'])

返回与相同的数据框

new = old.filter(['A','B','D'], axis=1)

按索引列：

# selected column index: 1, 6, 7
new = old.iloc[: , [1, 6, 7]].copy()