在pandas中按位置选择多个数据框列

Question

我有一个(大的)数据帧。如何按位置选择特定的列？例如，列1..3、5、6

我尝试这样做，而不是简单地删除column4，因为我的dataset中有大量的行，我想按位置进行选择：

 df=df[df.columns[0:2,4:5]]

但这给了IndexError: too many indices for array

DF输入

 Col1     Col2     Col3       Col4        Col5       Col6
 1        apple    tomato     pear        banana     banana
 1        apple    grape      nan         banana     banana
 1        apple    nan        banana      banana     banana
 1        apple    tomato     banana      banana     banana
 1        apple    tomato     banana      banana     banana
 1        apple    tomato     banana      banana     banana
 1        avacado  tomato     banana      banana     banana
 1        toast    tomato     banana      banana     banana
 1        grape    tomato     egg         banana     banana

DF输出-所需

 Col1     Col2     Col3       Col5       Col6
 1        apple    tomato     banana     banana
 1        apple    grape      banana     banana
 1        apple    nan        banana     banana
 1        apple    tomato     banana     banana
 1        apple    tomato     banana     banana
 1        apple    tomato     banana     banana     
 1        avacado  tomato     banana     banana     
 1        toast    tomato     banana     banana     
 1        grape    tomato     banana     banana

Answer 1

你需要的是numpy np.r_

df.iloc[:,np.r_[0:2,4:5]]
Out[265]: 
   Col1     Col2    Col5
0     1    apple  banana
1     1    apple  banana
2     1    apple  banana
3     1    apple  banana
4     1    apple  banana
5     1    apple  banana
6     1  avacado  banana
7     1    toast  banana
8     1    grape  banana

Answer 2

您可以通过以下方式选择第0、1、4列：

df.iloc[:, [0, 1, 4]]

你可以在Indexing and Selecting Data上阅读更多关于这方面的内容。

·iloc主要是基于整数位置(从0到轴的长度-1)，但也可以与布尔数组一起使用。如果请求的索引器越界，则.iloc将引发IndexError，但允许越界索引的切片索引器除外。(这符合python/numpy切片语义)。允许的输入包括：

系列整数例如5系列整数的列表或数组4，3，0◦带有整数1:7的切片对象◦布尔数组◦具有一个参数的可调用函数(调用系列、系列或面板)，并返回用于索引(上述之一)的有效输出

Answer 3

使用pandas iloc方法：

df_filtered = df.iloc[:, [1,2,3,5,6]]