Pandas 将指定列提取到新的DataFrame中作为副本

在本文中，我们将介绍如何使用Pandas将指定的列提取并创建一个新的DataFrame，使得我们可以随意修改这个新DataFrame，而原始的DataFrame不会受到影响。

阅读更多：Pandas 教程

1. 提取单个列

我们可以使用Pandas的DataFrame对象中的[]操作符来提取单个列。例如，让我们考虑一个具有以下数据列的DataFrame：

要提取“Age”列并将其存储在另一个DataFrame中，我们可以执行以下代码：

import pandas as pd

data = {'Name':['John', 'Sally', 'Tim'],
        'Age':[25, 32, 18],
        'Country':['USA', 'Canada', 'UK']}

df = pd.DataFrame(data)

age_df = df[['Age']].copy()

执行结果将是一个只包含“Age”列的新DataFrame，即age_df：

请注意，我们必须使用copy()方法来创建新的DataFrame副本，以免更改原始DataFrame。

2. 提取多个列

要提取多个列，我们可以使用与提取单个列相同的[]操作符，并将列名列表作为参数传递。例如，让我们考虑以下DataFrame，其中包含以下数据列：

要提取“Age”和“Gender”列并将它们存储在另一个DataFrame中，我们可以执行以下代码：

age_gender_df = df[['Age','Gender']].copy()

结果将是一个只包含“Age”和“Gender”列的新DataFrame，即age_gender_df：

3. 提取连续的列

要提取连续的列，我们可以使用loc或iloc属性。例如，让我们考虑以下DataFrame，其中包含以下数据列：

要提取从“Age”列到“Gender”列之间的所有列，我们可以使用以下代码：

age_to_gender_df = df.loc[:, 'Age':'Gender'].copy()

结果将是一个只包含从“Age”到“Gender”（包括这两列）的新DataFrame，即age_to_gender_df：

请注意，在使用loc方法时，我们必须指定所有我们想要包含在新DataFrame中的列名称范围，并使用:来表示所有行。

4. 取消副本要求

如果我们只想在原始DataFrame中操作特定列的值，就不需要创建新的DataFrame副本。我们可以直接对特定列进行操作并将结果存储回原始DataFrame中。例如：

df['Age'] = df['Age'] + 5

这将使每个人的年龄加上5岁。

总结

在Pandas中，我们可以轻松地从现有的DataFrame中提取特定列，以创建一个新的DataFrame副本。我们还可以使用loc或iloc属性来提取连续的列。如果只需要在原始DataFrame中对特定列进行操作，则无需创建副本。这样，我们可以更轻松地管理我们的数据，并对其进行必要的处理。