选择最后 n 列并排除数据框中的最后 n 列答案

【问题标题】：Selecting last n columns and excluding last n columns in dataframe选择最后 n 列并排除数据框中的最后 n 列
【发布时间】：2016-01-07 15:50:36
【问题描述】：

我该怎么做：

选择数据框中的最后 3 列并创建一个新数据框？

我试过了：

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

排除最后 3 列并创建新数据框？

我试过了：

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

这是正确的吗？

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

【问题讨论】：

标签： python pandas indexing dataframe object-slicing

【解决方案1】：

只是做：

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

这会分割列，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() 来制作显式副本以删除警告。

所以如果我们复制一份，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 没有改变。

【讨论】：

【解决方案2】：

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

*在新版本的 pandas 中更喜欢 loc 或 iloc 来消除 ix 作为位置或标签的歧义：

df.iloc[-3:] 请参阅文档。

正如 Wes 指出的，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() 则不会：

pd.版本 '0.12.0' df = pd.DataFrame([{"a": 1}, {"a": 2}]) df.iloc[-5:] ... IndexError：切片越界（结束） df.tail(5) 一种 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：

在 [11] 中：df1.irow(slice(-3, None)) 输出[11]： STK_ID RPT_Date T关闭销售折扣 8 568 20080331 38.75 12.668 南 9 568 20080630 30.09 21.102 南 10 568 20080930 26.00 30.769 南注意：Series 也有类似的 iget 方法。

【讨论】：

【解决方案3】：

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]

【讨论】：