切片熊猫数据框以获取不连续的列

Posted 2023-02-23

【中文标题】切片熊猫数据框以获取不连续的列

【英文标题】：slice pandas dataframe to get noncontiguous columns

【发布时间】：2018-07-14 18:48:50

【问题描述】：

我有一个pandas.DataFrame：wordvecs_df，列依次标记为'word'、'count'、'v1' 到'v50' 和'norm1' 到'norm50'。我想创建一个新的 pandas df，其中只有 'word'、'count' 和 norm1-norm50 的列。

wordvecs_df.loc[:,"norm1":"norm50"]

让我 norm1-norm50，但如果我尝试输入 word 并计数，我会收到 IndexingError: Too many indexers。

我不知道如何从数据框中获取我想要的列。有什么想法吗？

【参考方案1】：

设置 让我们用一个更小的例子

i = [0, 1]
c = range(1, 5)
wordvecs_df = pd.concat([
    pd.DataFrame(1, i, ['word', 'count']),
    pd.DataFrame(1, i, c).add_prefix('norm'),
    pd.DataFrame(1, i, c).add_prefix('v')
], axis=1)

wordvecs_df

   word  count  norm1  norm2  norm3  norm4  v1  v2  v3  v4
0     1      1      1      1      1      1   1   1   1   1
1     1      1      1      1      1      1   1   1   1   1

---

解决方案 使用pd.DataFrame.filter 抓取所有看起来像'norm' 的东西

wordvecs_df.filter(regex='^norm\d\d?')

   norm1  norm2  norm3  norm4
0      1      1      1      1
1      1      1      1      1

我们可以通过pd.DataFrame.join 或pd.concat 将其添加到我们的其他两列

wordvecs_df[['word', 'count']].join(
    wordvecs_df.filter(regex='^norm\d\d?'))

   word  count  norm1  norm2  norm3  norm4
0     1      1      1      1      1      1
1     1      1      1      1      1      1

或者

pd.concat([
    wordvecs_df[['word', 'count']],
    wordvecs_df.filter(regex='^norm\d\d?')
], axis=1)

   word  count  norm1  norm2  norm3  norm4
0     1      1      1      1      1      1
1     1      1      1      1      1      1

【参考方案2】：

Stephen 的回答效果很好，但是如果列名没有很好的格式，一般的解决方案是获取列位置，构建切片索引，然后使用 iloc 访问。

例如：

word_loc = wordvecs_df.columns.get_loc('word')
count_loc = wordvecs_df.columns.get_loc('count')
norm1_loc = wordvecs_df.columns.get_loc('norm1')
norm50_loc = wordvecs_df.columns.get_loc('norm50')

slice = np.r_[word_loc, count_loc, norm1_loc:norm50_loc]

df.iloc[:, slice]

【讨论】：

酷。我以前从未遇到过np.r_。

【参考方案3】：

你可以使用 pd.concat:

pd.concat([df[['word','count']], df.loc[:,'norm1':'norm50']], 1)

【参考方案4】：

您可以建立一个列名列表，例如：

columns = ['word', 'count'] + ['norm%d' % i for i in range(1, 51)]
wordvecs_df.loc[:,columns]