有没有一种快速的方法来对 PANDAS 中的列进行子集化？

Question

我正在尝试设置一个 PANDAS 项目，我可以使用它来比较和返回 excel 和 csv 文件随时间变化的差异。目前我将 excel/csv 文件加载到 pandas 中并为它们分配一个版本列。我为他们分配了一个“版本”列，因为在我的最后一步中，我希望程序为我创建一个仅包含“新”版本文件中已更改内容的文件，这样我就不必更新整个数据库，只需更新数据改变的点。

old = pd.read_excel(landdata20201122.xlsx')
new = pd.read_excel(landdata20210105.xlsx')
old['version'] = "old"
new['version'] = "new"

我将工作表合并为一张，然后根据原始文件中的所有列删除重复的行。我必须对数据进行子集化，因为如果程序查看我添加的版本列，它不会被视为重复行。声明如下

df2 = df1.drop_duplicates(subset=["UWI", "Current DOI Partners", "Encumbrances", "Lease Expiry Date", "Mineral Leases", "Operator", "Attached Land Rights", "Surface Leases"])
df2.shape

我想知道是否有更快的方法来对数据进行子集化，基本上就是我目前的设置方式，我必须列出每个列的标题。我的一些工作表有 100 多列，所以当我只希望它否定 1 列时，工作量很大。有没有办法可以填充所有列标题并删除我不想看到的那些？或者有没有办法在 drop duplicates 命令中输入我不想比较的列，而不是输入除一个之外的所有列？

如果我可以只列出我不想比较的列，我将能够对我正在处理的更多数据使用相同的脚本，因为我不必每次都编辑 drop_duplicates 语句比较表格。

感谢您的帮助，提前感谢您！

Answer 1

如果我理解得很好：

1. 将标题存储在列表中。
2. 手动删除不需要的名称。
3. 在drop_duplicates() 的子集中，放置列表。

如果您要删除的列多于您要保留的列，请在列表中手动添加所有需要的列。 有了列表，你就不需要每次都写了。

如何迭代列表：

list=['first', 'second', 'third']
for i in list:
    print(i)

# Output: 'first', 'second', 'third'