我想根据列选择从现有数据框创建视图或数据框。
例如，我想df2从一个数据框创建一个数据框，该数据框df1包含除其中两个之外的所有列。我尝试执行以下操作，但没有成功：
import numpy as np
import pandas as pd
# Create a dataframe with columns A,B,C and D
df = pd.DataFrame(np.random.randn(100, 4), columns=list('ABCD'))
# Try to create a second dataframe df2 from df with all columns except 'B' and D
my_cols = set(df.columns)
my_cols.remove('B').remove('D')
# This returns an error ("unhashable type: set")
df2 = df[my_cols]
我究竟做错了什么？也许更一般地说，pandas 有什么机制来支持从数据帧中选择和排除任意列集？
您可以删除不需要的列或选择您需要的列
# Using DataFrame.drop
df.drop(df.columns[[1, 2]], axis=1, inplace=True)
# drop by Name
df1 = df1.drop(['B', 'C'], axis=1)
# Select the ones you want
df1 = df[['a','d']]
有一种新的索引方法称为difference. 它返回原始列，并删除作为参数传递的列。
在这里，结果用于删除列B和D：df
df2 = df[df.columns.difference(['B', 'D'])]
请注意，它是基于集合的方法，因此重复的列名会导致问题，并且可能会更改列顺序。
优势：当您只需要列列表时，drop您不会创建整个数据框的副本。例如，为了在列的子集上删除重复项：
# may create a copy of the dataframe
subset = df.drop(['B', 'D'], axis=1).columns
# does not create a copy the dataframe
subset = df.columns.difference(['B', 'D'])
df = df.drop_duplicates(subset=subset)
另一种选择，无需在循环中丢弃或过滤：
import numpy as np
import pandas as pd
# Create a dataframe with columns A,B,C and D
df = pd.DataFrame(np.random.randn(100, 4), columns=list('ABCD'))
# include the columns you want
df[df.columns[df.columns.isin(['A', 'B'])]]
# or more simply include columns:
df[['A', 'B']]
# exclude columns you don't want
df[df.columns[~df.columns.isin(['C','D'])]]
# or even simpler since 0.24
# with the caveat that it reorders columns alphabetically
df[df.columns.difference(['C', 'D'])]
你真的不需要把它转换成一个集合：
cols = [col for col in df.columns if col not in ['B', 'D']]
df2 = df[cols]
也看看内置DataFrame.filter函数。
简约但贪婪的方法（对于给定的 df 足够了）：
df.filter(regex="[^BD]")
保守/惰性方法（仅精确匹配）：
df.filter(regex="^(?!(B|D)$).*$")
保守和通用：
exclude_cols = ['B','C']
df.filter(regex="^(?!({0})$).*$".format('|'.join(exclude_cols)))
您有 4 列 A、B、C、D
这是为新数据框选择所需列的更好方法：-
df2 = df1[['A','D']]
如果您想改用列号，请使用：-
df2 = df1[[0,3]]
您只需要将您的转换set为list
import pandas as pd
df = pd.DataFrame(np.random.randn(100, 4), columns=list('ABCD'))
my_cols = set(df.columns)
my_cols.remove('B')
my_cols.remove('D')
my_cols = list(my_cols)
df2 = df[my_cols]
以下是创建不包括列列表的副本的方法：DataFrame
df = pd.DataFrame(np.random.randn(100, 4), columns=list('ABCD'))
df2 = df.drop(['B', 'D'], axis=1)
但小心点！你在你的问题中提到了观点，暗示如果你改变了df，你也想df2改变。（就像数据库中的视图一样。）
此方法无法实现：
>>> df.loc[0, 'A'] = 999 # Change the first value in df
>>> df.head(1)
A B C D
0 999 -0.742688 -1.980673 -0.920133
>>> df2.head(1) # df2 is unchanged. It's not a view, it's a copy!
A C
0 0.251262 -1.980673
另请注意，@piggybox 的方法也是如此。（虽然这种方法很好，很漂亮，而且 Pythonic。我不会这样做！！）
有关视图与副本的更多信息，请参阅此 SO 答案以及该答案所指的 Pandas 文档的这一部分。
类似地，在读取文件时，可能希望预先排除列，而不是浪费地将不需要的数据读入内存然后丢弃它们。
从 pandas 0.20.0 开始，usecols现在接受 callables。1 此更新允许更灵活的选项来读取列：
skipcols = [...]
read_csv(..., usecols=lambda x: x not in skipcols)
后一种模式本质上与传统usecols方法相反——仅跳过指定的列。
给定
文件中的数据
import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randn(100, 4), columns=list('ABCD'))
filename = "foo.csv"
df.to_csv(filename)
代码
skipcols = ["B", "D"]
df1 = pd.read_csv(filename, usecols=lambda x: x not in skipcols, index_col=0)
df1
输出
A C
0 0.062350 0.076924
1 -0.016872 1.091446
2 0.213050 1.646109
3 -1.196928 1.153497
4 -0.628839 -0.856529
...
细节
将 DataFrame 写入文件。然后它作为一个单独的 DataFrame 被读回，现在跳过不需要的列（B和D）。
请注意，对于 OP 的情况，由于已经创建了数据，因此更好的方法是接受的答案，即从现有对象中删除不需要的列。但是，这里介绍的技术在直接将文件中的数据读取到 DataFrame 时最有用。