按位置选择熊猫列

问题描述：

我只是想通过整数访问命名的熊猫列。

您可以使用 按位置选择一行df.ix[3]。

但是如何通过整数选择一列？

我的数据框：

df=pandas.DataFrame({'a':np.random.rand(5), 'b':np.random.rand(5)})

解决方案 1：

我想到两种方法：

>>> df
          A         B         C         D
0  0.424634  1.716633  0.282734  2.086944
1 -1.325816  2.056277  2.583704 -0.776403
2  1.457809 -0.407279 -1.560583 -1.316246
3 -0.757134 -1.321025  1.325853 -2.513373
4  1.366180 -1.265185 -2.184617  0.881514
>>> df.iloc[:, 2]
0    0.282734
1    2.583704
2   -1.560583
3    1.325853
4   -2.184617
Name: C
>>> df[df.columns[2]]
0    0.282734
1    2.583704
2   -1.560583
3    1.325853
4   -2.184617
Name: C

编辑：原始答案建议使用df.ix[:,2]，但此功能现已弃用。用户应切换到df.iloc[:,2]。

解决方案 2：

您还可以使用df.icol(n)整数来访问列。

更新：icol已被弃用，可以通过以下方式实现相同的功能：

df.iloc[:, n]  # to access the column at the nth position

解决方案 3：

您可以使用基于标签的 .loc 或基于索引的 .iloc 方法进行列切片（包括列范围）：

In [50]: import pandas as pd

In [51]: import numpy as np

In [52]: df = pd.DataFrame(np.random.rand(4,4), columns = list('abcd'))

In [53]: df
Out[53]: 
          a         b         c         d
0  0.806811  0.187630  0.978159  0.317261
1  0.738792  0.862661  0.580592  0.010177
2  0.224633  0.342579  0.214512  0.375147
3  0.875262  0.151867  0.071244  0.893735

In [54]: df.loc[:, ["a", "b", "d"]] ### Selective columns based slicing
Out[54]: 
          a         b         d
0  0.806811  0.187630  0.317261
1  0.738792  0.862661  0.010177
2  0.224633  0.342579  0.375147
3  0.875262  0.151867  0.893735

In [55]: df.loc[:, "a":"c"] ### Selective label based column ranges slicing
Out[55]: 
          a         b         c
0  0.806811  0.187630  0.978159
1  0.738792  0.862661  0.580592
2  0.224633  0.342579  0.214512
3  0.875262  0.151867  0.071244

In [56]: df.iloc[:, 0:3] ### Selective index based column ranges slicing
Out[56]: 
          a         b         c
0  0.806811  0.187630  0.978159
1  0.738792  0.862661  0.580592
2  0.224633  0.342579  0.214512
3  0.875262  0.151867  0.071244

解决方案 4：

您可以通过将列索引列表传递给来访问多个列dataFrame.ix。

例如：

>>> df = pandas.DataFrame({
             'a': np.random.rand(5),
             'b': np.random.rand(5),
             'c': np.random.rand(5),
             'd': np.random.rand(5)
         })

>>> df
          a         b         c         d
0  0.705718  0.414073  0.007040  0.889579
1  0.198005  0.520747  0.827818  0.366271
2  0.974552  0.667484  0.056246  0.524306
3  0.512126  0.775926  0.837896  0.955200
4  0.793203  0.686405  0.401596  0.544421

>>> df.ix[:,[1,3]]
          b         d
0  0.414073  0.889579
1  0.520747  0.366271
2  0.667484  0.524306
3  0.775926  0.955200
4  0.686405  0.544421

解决方案 5：

大多数人已经回答了如何从索引开始获取列。但在某些情况下，您可能需要从中间或特定索引中选择列，这时您可以使用以下解决方案。

假设您有列A，B和C。如果您只需要选择列A，C则可以使用以下代码。

df = df.iloc[:, [0,2]]

其中0,2指定您只需要选择第一列和第三列。

解决方案 6：

方法 .transpose() 将列转换为行，将行转换为列，因此你甚至可以写

df.transpose().ix[3]

解决方案 7：

您可以使用方法take。例如，要选择第一列和最后一列：

df.take([0, -1], axis=1)