将某些列保留在pandas DataFrame中,删除其他所有内容
说我有一个数据表
1 2 3 4 5 6 .. n
A x x x x x x .. x
B x x x x x x .. x
C x x x x x x .. x
我想减少它,以便我只有第3列和第5列删除所有其他并保持结构.我怎么能用熊猫做到这一点？我想我理解如何删除单个列,但我不知道如何保存一些选择并删除所有其他列.
And*_*den 68
如果您有列的列表,您可以选择以下列:
In [11]: df
Out[11]:
1 2 3 4 5 6
A x x x x x x
B x x x x x x
C x x x x x x
In [12]: col_list = [3, 5]
In [13]: df = df[col_list]
In [14]: df
Out[14]:
3 5
A x x
B x x
C x x
- 这个答案的问题，即“df = df[cols_keep]”方法，是它创建了数据帧的一个切片。为了证明这一点，请参阅“df._is_copy”，它将记录父数据帧的弱引用。该切片可能会在后续操作中继续导致“SettingWithCopyWarning”。相比之下，`df.drop(columns=df.columns.difference(cols_keep), inplace=True)`则没有这样的问题。 (5认同)
unu*_*tbu 10
你可以重新分配新的价值,您的DataFrame,df:
df = df.loc[:,[3, 5]]
只要没有其他参考原件DataFrame,旧的DataFrame将收集垃圾.
请注意,使用时df.loc,索引由标签指定.因此,上面3而5不是序数,它们代表列的标签名称.如果您希望按顺序索引指定列,请使用df.iloc.
如何将某些列保留在pandas DataFrame中，删除其他所有内容？
该问题的答案与“如何删除pandas DataFrame中的某些列？”的答案相同。这是到目前为止提到的一些其他选项以及时间安排。
DataFrame.loc
一个简单的选择就是选择，如其他答案所述，
# Setup.
df
1 2 3 4 5 6
A x x x x x x
B x x x x x x
C x x x x x x
cols_to_keep = [3,5]
df[cols_to_keep]
3 5
A x x
B x x
C x x
要么，
df.loc[:, cols_to_keep]
3 5
A x x
B x x
C x x
DataFrame.reindex用axis=1或'columns'（0.21+）
但是，reindex在最新版本中，您还指定了axis=1要删除的：
df.reindex(cols_to_keep, axis=1)
# df.reindex(cols_to_keep, axis='columns')
# for versions < 0.21, use
# df.reindex(columns=cols_to_keep)
3 5
A x x
B x x
C x x
在较旧的版本上，您也可以使用reindex_axis：df.reindex_axis(cols_to_keep, axis=1)。
DataFrame.drop
另一种选择是通过以下drop方式选择列pd.Index.difference：
# df.drop(cols_to_drop, axis=1)
df.drop(df.columns.difference(cols_to_keep), axis=1)
3 5
A x x
B x x
C x x
性能
在性能方面，这些方法大致相同。reindex对于较小的N，drop速度更快，而对于较大的N，速度更快。由于Y轴是对数，因此性能是相对的。
设置和代码
import pandas as pd
import perfplot
def make_sample(n):
np.random.seed(0)
df = pd.DataFrame(np.full((n, n), 'x'))
cols_to_keep = np.random.choice(df.columns, max(2, n // 4), replace=False)
return df, cols_to_keep
perfplot.show(
setup=lambda n: make_sample(n),
kernels=[
lambda inp: inp[0][inp[1]],
lambda inp: inp[0].loc[:, inp[1]],
lambda inp: inp[0].reindex(inp[1], axis=1),
lambda inp: inp[0].drop(inp[0].columns.difference(inp[1]), axis=1)
],
labels=['__getitem__', 'loc', 'reindex', 'drop'],
n_range=[2**k for k in range(2, 13)],
xlabel='N',
logy=True,
equality_check=lambda x, y: (x.reindex_like(y) == y).values.all()
)