Panda .loc 或 .iloc 从数据集中选择列

Posted 2023-03-11

【中文标题】Panda .loc 或 .iloc 从数据集中选择列

【英文标题】：Panda .loc or .iloc to select the columns from a dataset

【发布时间】：2017-09-13 19:28:04

【问题描述】：

我一直在尝试从数据集中为所有行选择一组特定的列。我尝试了类似下面的方法。

train_features = train_df.loc[,[0,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]]

我想提一下，所有行都包含在内，但只需要编号的列。 有没有更好的方法来解决这个问题。

样本数据：

age  job        marital   education    default   housing   loan   equities   contact     duration   campaign   pdays   previous   poutcome   emp.var.rate   cons.price.idx   cons.conf.idx   euribor3m     nr.employed   y
56   housemaid  married   basic.4y     1         1         1      1          0           261        1          999     0          2          1.1            93.994           -36.4           3.299552287   5191          1
37   services   married   high.school  1         0         1      1          0           226        1          999     0          2          1.1            93.994           -36.4           0.743751247   5191          1
56   services   married   high.school  1         1         0      1          0           307        1          999     0          2          1.1            93.994           -36.4           1.28265179    5191          1

我试图忽略数据集中的工作、婚姻、教育和 y 列。 y 列是目标变量。

【参考方案1】：

如果需要按职位选择，请使用iloc:

train_features = train_df.iloc[:, [0,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]]
print (train_features)
   age  default  housing  loan  equities  contact  duration  campaign  pdays  \
0   56        1        1     1         1        0       261         1    999   
1   37        1        0     1         1        0       226         1    999   
2   56        1        1     0         1        0       307         1    999   

   previous  poutcome  emp.var.rate  cons.price.idx  cons.conf.idx  euribor3m  \
0         0         2           1.1          93.994          -36.4   3.299552   
1         0         2           1.1          93.994          -36.4   0.743751   
2         0         2           1.1          93.994          -36.4   1.282652   

   nr.employed  
0         5191  
1         5191  
2         5191  

另一种解决方案是drop不必要的列：

cols= ['job','marital','education','y']
train_features = train_df.drop(cols, axis=1)
print (train_features)
   age  default  housing  loan  equities  contact  duration  campaign  pdays  \
0   56        1        1     1         1        0       261         1    999   
1   37        1        0     1         1        0       226         1    999   
2   56        1        1     0         1        0       307         1    999   

   previous  poutcome  emp.var.rate  cons.price.idx  cons.conf.idx  euribor3m  \
0         0         2           1.1          93.994          -36.4   3.299552   
1         0         2           1.1          93.994          -36.4   0.743751   
2         0         2           1.1          93.994          -36.4   1.282652   

   nr.employed  
0         5191  
1         5191  
2         5191  

【讨论】：

你好@jezrael.. 感谢您的快速回复。但不幸的是，我尝试了上述方法，但出现以下错误。 TypeError: cannot concatenate a non-NDFrame object 无法弄清楚为什么会出现这个问题。你能提供任何指针吗？

你能添加一些数据样本吗？

【参考方案2】：

您可以通过底层 numpy 数组访问列值

考虑数据框df

df = pd.DataFrame(np.random.randint(10, size=(5, 20)))
df

你可以对底层数组进行切片

slc = [0,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]
df.values[:, slc]

array([[1, 3, 9, 8, 3, 2, 1, 6, 6, 0, 3, 9, 8, 5, 9, 9],
       [8, 0, 2, 3, 7, 8, 9, 2, 7, 2, 1, 3, 2, 5, 4, 9],
       [1, 1, 9, 3, 5, 8, 8, 8, 8, 4, 8, 0, 5, 4, 9, 0],
       [6, 3, 1, 8, 0, 3, 7, 9, 9, 0, 9, 7, 6, 1, 4, 8],
       [3, 2, 3, 3, 9, 8, 3, 8, 3, 4, 1, 6, 4, 1, 6, 4]])

或者你可以从这个切片重建一个新的数据帧

pd.DataFrame(df.values[:, slc], df.index, df.columns[slc])

这不像像

那样简洁直观

df.iloc[:, slc]

您还可以使用slc 对df.columns 对象进行切片并将其传递给df.loc

df.loc[:, df.columns[slc]]