38

我如何能:

  1. 选择数据框中的最后 3 列并创建一个新的数据框?

我试过了:

y = dataframe.iloc[:,-3:]
  1. 排除最后 3 列并创建一个新的数据框?

我试过了:

X = dataframe.iloc[:,:-3]

这个对吗?

我的代码中进一步出现数组维度错误,并希望确保此步骤正确。

谢谢

4

3 回答 3

35

最有效的方法:

1.选择最后n列

df1 = df.iloc[:,-n:]

2.排除最后n列

df1 = df.iloc[:,:-n]

于 2020-04-14T05:45:35.490 回答
31

做就是了:

y = dataframe[dataframe.columns[-3:]]

这会对列进行切片,以便您可以从 df 中进行子选择

例子:

In [221]:
df = pd.DataFrame(columns=np.arange(10))
df[df.columns[-3:]]

Out[221]:
Empty DataFrame
Columns: [7, 8, 9]
Index: []

我认为这里的问题是,因为您已经获取了 df 的一部分,所以它返回了一个视图,但取决于您的其余代码正在做什么,它会发出警告。您可以通过调用.copy()删除警告来制作显式副本。

因此,如果我们复制一份,那么赋值只会影响副本而不影响原始 df:

In [15]:
df = pd.DataFrame(np.random.randn(5,10), columns= np.arange(10))
df

Out[15]:
          0         1         2         3         4         5         6  \
0  0.568284 -1.488447  0.970365 -1.406463 -0.413750 -0.934892 -1.421308   
1  1.186414 -0.417366 -1.007509 -1.620530 -1.322004  0.294540  1.205115   
2 -1.073894 -0.214972  1.516563 -0.705571  0.068666  1.690654 -0.252485   
3  0.923524 -0.856752  0.226294 -0.660085  1.259145  0.400596  0.559028   
4  0.259807  0.135300  1.130347 -0.317305 -1.031875  0.232262  0.709244   

          7         8         9  
0  1.741925 -0.475619 -0.525770  
1  2.137546  0.215665  1.908362  
2  1.180281 -0.144652  0.870887  
3 -0.609804 -0.833186 -1.033656  
4  0.480943  1.971933  1.928037  

In [16]:    
y = df[df.columns[-3:]].copy()
y

Out[16]:
          7         8         9
0  1.741925 -0.475619 -0.525770
1  2.137546  0.215665  1.908362
2  1.180281 -0.144652  0.870887
3 -0.609804 -0.833186 -1.033656
4  0.480943  1.971933  1.928037

In [17]:    
y[y>0] = 0
print(y)
df

          7         8         9
0  0.000000 -0.475619 -0.525770
1  0.000000  0.000000  0.000000
2  0.000000 -0.144652  0.000000
3 -0.609804 -0.833186 -1.033656
4  0.000000  0.000000  0.000000
Out[17]:
          0         1         2         3         4         5         6  \
0  0.568284 -1.488447  0.970365 -1.406463 -0.413750 -0.934892 -1.421308   
1  1.186414 -0.417366 -1.007509 -1.620530 -1.322004  0.294540  1.205115   
2 -1.073894 -0.214972  1.516563 -0.705571  0.068666  1.690654 -0.252485   
3  0.923524 -0.856752  0.226294 -0.660085  1.259145  0.400596  0.559028   
4  0.259807  0.135300  1.130347 -0.317305 -1.031875  0.232262  0.709244   

          7         8         9  
0  1.741925 -0.475619 -0.525770  
1  2.137546  0.215665  1.908362  
2  1.180281 -0.144652  0.870887  
3 -0.609804 -0.833186 -1.033656  
4  0.480943  1.971933  1.928037  

这里没有发出警告,原始的 df 也没有受到影响。

于 2015-10-09T16:03:47.557 回答
2

这是因为使用了整数索引(ix 通过标签而不是位置来选择那些,这是设计使然:请参阅 pandas “gotchas”* 中的整数索引)。

*在较新版本的熊猫中,更喜欢 loc 或 iloc 来消除 ix 作为位置或标签的歧义:

df.iloc[-3:] 查看文档。

正如 Wes 指出的那样,在这种特定情况下,您应该只使用 tail!

还应该注意的是,在 Pandas 0.14 之前的版本中, iloc 会在越界访问时引发 IndexError,而 .head() 和 .tail() 不会:

PD。版本 '0.12.0' df = pd.DataFrame([{"a": 1}, {"a": 2}]) df.iloc[-5:] ... IndexError: out-of-bounds on slice (end) df.tail(5) a 0 1 1 2 旧答案(折旧方法):

您可以使用 irows DataFrame 方法来克服这种歧义:

注 [11]:df1.irow(slice(-3, None)) Out[11]:STK_ID RPT_Date TClose 销售折扣 8 568 20080331 38.75 12.668 NaN 9 568 20080630 30.09 21.102 NaN 10 568 20080930 NaN 26.00 3类似的 iget 方法。

于 2017-11-09T12:09:19.170 回答