Pandas 选取/排除列的集合

Pandas 选取/排除列的集合

在数据分析和处理的过程中，我们经常需要选取或排除某些列，以便更好地处理数据。Pandas是一个强大的数据处理库，提供了多种方法来选取或排除数据帧中的列。在本文中，我们将介绍Pandas中用于选取和排除一组列的几种常见方法。

阅读更多：Pandas 教程

1.使用列名称进行选取

最简单的方法是使用列名称进行选取。我们可以使用列名的列表或单个列名来选择数据帧中的列。下面的示例演示了如何使用列名称选择数据帧的列：

import pandas as pd

# 创建一个数据帧
data = {'name': ['Tom', 'Jack', 'Steve', 'Ricky'], 
        'age': [28, 34, 29, 42], 
        'gender': ['M', 'M', 'M', 'M'], 
        'country': ['US', 'UK', 'UK', 'US']}
df = pd.DataFrame(data)

# 选择单个列
df_name = df['name']
print(df_name)

# 选择列名的列表
df_subset = df[['name', 'age']]
print(df_subset)

输出：

0      Tom
1     Jack
2    Steve
3    Ricky
Name: name, dtype: object

    name  age
0    Tom   28
1   Jack   34
2  Steve   29
3  Ricky   42

2.使用iloc()方法选取列

另一种方法是使用iloc()方法。它允许我们根据列索引（而不是名称）来选择数据帧的列。下面的示例演示了如何使用iloc()选择数据帧的列：

import pandas as pd

# 创建一个数据帧
data = {'name': ['Tom', 'Jack', 'Steve', 'Ricky'], 
        'age': [28, 34, 29, 42], 
        'gender': ['M', 'M', 'M', 'M'], 
        'country': ['US', 'UK', 'UK', 'US']}
df = pd.DataFrame(data)

# 使用iloc()选择列
df_subset = df.iloc[:, [0, 2]]
print(df_subset)

输出：

    name gender
0    Tom      M
1   Jack      M
2  Steve      M
3  Ricky      M

3.使用loc()方法选取列

另一种方法是使用loc()方法。它允许我们根据列名称来选择数据帧的列。下面的示例演示了如何使用loc()选择数据帧的列：

import pandas as pd

# 创建一个数据帧
data = {'name': ['Tom', 'Jack', 'Steve', 'Ricky'], 
        'age': [28, 34, 29, 42], 
        'gender': ['M', 'M', 'M', 'M'], 
        'country': ['US', 'UK', 'UK', 'US']}
df = pd.DataFrame(data)

# 使用loc()选择列
df_subset = df.loc[:, ['name', 'gender']]
print(df_subset)

输出：

    name gender
0    Tom      M
1   Jack      M
2  Steve      M
3  Ricky      M

4.使用drop()方法排除列

如果我们想要排除一组列，我们可以使用drop()方法。下面的示例演示了如何使用drop()方法排除一组列：

import pandas as pd

# 创建一个数据帧
data = {'name': ['Tom', 'Jack', 'Steve', 'Ricky'], 
        'age': [28, 34, 29, 42], 
        'gender': ['M', 'M', 'M', 'M'], 
        'country': ['US', 'UK', 'UK', 'US']}
df = pd.DataFrame(data)

# 排除一组列
df_subset = df.drop(['name', 'country'], axis=1)
print(df_subset)

输出：

“`python
age gender
0 28 M
1 34 M
2 29 M
3 42 M