pandas 中如何提取 dataframe 的某些列

在处理表格型数据时，一行数据是一个 sample，列就是待提取的特征。怎么选取其中的一些列呢？本文分享一些方法。

使用如下的数据作为例子：

import pandas as pd
df = 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])

方法一：df[columns]

先看最简单的情况。输入列名，选择一列。例如：

df['course2']
输出结果为：
1    90
2    85
3    83
4    88
5    84
Name: course2, dtype: int64

df[column list]：选择列。例如：

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

输出结果为：

或者以 column list (list 变量)的形式导入到 df[ ] 中，例如：

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

输出结果为：

可以用 column list=df.columns[start:end] 的方式选择连续列，start 和 end 均为数字，不包括 end 列。例如：

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

输出结果为：

你可能注意到，其中有 3 列的名字相近：'course1','course2','course3'。怎么提取这三列呢？这里分享在 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]

输出结果为：

但是，如果你想输入 df['course1':'course3'] 来索引连续列，就会报错。而输入数字索引 df[1:3] 时，结果不再是列索引，而是行索引，如下所示：

df[1:3]

输出结果为：

以下两种方法 df.loc[]和df.iloc[]就可以解决这个问题，可以明确行或列索引。还可以同时取多行和多列。

方法二：df.loc[]：用 label （行名或列名）做索引。

输入 column_list 选择多列 [:, column_list] ，括号中第一个 : 表示选择全部行。例如：

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

输出结果为：

选择连续多列 [:,start_col: end_col] ，注意：包括 end_col。例如：

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

输出结果为：

选择多行和多列，例如：

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