我从CSV文件中加载了一些机器学习数据。前两列是观察，其余列是特征。
目前，我做了以下事情：
data = pandas.read_csv('mydata.csv')
这给出了类似的东西：
data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde'))
我想在两个数据帧中切割这个数据帧：一个包含列a和b，另一个包含列c，d和e。
写不出类似的东西是不可能的
observations = data[:'c']
features = data['c':]
我不确定最好的方法是什么。我需要一个pd.Panel吗？
顺便说一下，我发现数据帧索引非常不一致：允许使用data['a']，但data[0]不允许。另一方面，data['a':]不允许，但data[0:]是。这是否有实际原因？如果列由Int索引，这确实令人困惑，因为data[0] != data[0:1]
.loc使用基于标签的索引来选择行和列。标签是索引或列的值。用.loc切片包括最后一个元素。
假设我们有一个包含以下列的DataFrame：
foo，bar，quz，ant，cat，sat，dat。
# selects all rows and all columns beginning at 'foo' up to and including 'sat'
df.loc[:, 'foo':'sat']
# foo bar quz ant cat sat
.loc接受Python列表对行和列执行的相同切片表示法。切片符号是start:stop:step
# slice from 'foo' to 'cat' by every 2nd column
df.loc[:, 'foo':'cat':2]
# foo quz cat
# slice from the beginning to 'bar'
df.loc[:, :'bar']
# foo bar
# slice from 'quz' to the end by 3
df.loc[:, 'quz'::3]
# quz sat
# attempt from 'sat' to 'bar'
df.loc[:, 'sat':'bar']
# no columns returned
# slice from 'sat' to 'bar'
df.loc[:, 'sat':'bar':-1]
sat cat ant quz bar
# slice notation is syntatic sugar for the slice function
# slice from 'quz' to the end by 2 with slice function
df.loc[:, slice('quz',None, 2)]
# quz cat dat
# select specific columns with a list
# select columns foo, bar and dat
df.loc[:, ['foo','bar','dat']]
# foo bar dat
您可以按行和列切片。例如，如果你有5行标签v，w，x，y，z
# slice from 'w' to 'y' and 'foo' to 'ant' by 3
df.loc['w':'y', 'foo':'ant':3]
# foo ant
# w
# x
# y
从DataFrame获取列子集的另一种方法是假设您需要所有行，这样做：
data[['a','b']]和data[['c','d','e']]
如果要使用数字列索引，可以执行以下操作：
data[data.columns[:2]]和data[data.columns[2:]]
DataFrame.ix索引是您要访问的内容。这有点令人困惑（我同意Pandas索引有时令人困惑！），但以下似乎做你想要的：
>>> df = DataFrame(np.random.rand(4,5), columns = list('abcde'))
>>> df.ix[:,'b':]
b c d e
0 0.418762 0.042369 0.869203 0.972314
1 0.991058 0.510228 0.594784 0.534366
2 0.407472 0.259811 0.396664 0.894202
3 0.726168 0.139531 0.324932 0.906575
其中.ix [行切片，列切片]是正在解释的内容。更多关于熊猫索引的信息：http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-advanced
注意：自Pandas v0.20以来，.ix已被弃用。您应该根据需要使用.loc或.iloc。
让我们使用seaborn包中的泰坦尼克数据集作为例子
# Load dataset (pip install seaborn)
>> import seaborn.apionly as sns
>> titanic = sns.load_dataset('titanic')
using the column names
>> titanic.loc[:,['sex','age','fare']]
using the column indices
>> titanic.iloc[:,[2,3,6]]
using ix (Older than Pandas <.20 version)
>> titanic.ix[:,[‘sex’,’age’,’fare’]]
要么
>> titanic.ix[:,[2,3,6]]
using the reindex method
>> titanic.reindex(columns=['sex','age','fare'])
另外，给定一个DataFrame
数据
在你的例子中，如果你想只提取a和d列（e.i.第1和第4列），你需要的是大熊猫数据帧中的iloc mothod，并且可以非常有效地使用。您需要知道的是要提取的列的索引。例如：
>>> data.iloc[:,[0,3]]
会给你
a d
0 0.883283 0.100975
1 0.614313 0.221731
2 0.438963 0.224361
3 0.466078 0.703347
4 0.955285 0.114033
5 0.268443 0.416996
6 0.613241 0.327548
7 0.370784 0.359159
8 0.692708 0.659410
9 0.806624 0.875476
您可以通过引用列表中每列的名称来切割DataFrame的列，如下所示：
data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde'))
data_ab = data[list('ab')]
data_cde = data[list('cde')]
如果你来到这里寻找切割两个范围的列并将它们组合在一起（像我一样），你可以做类似的事情
op = df[list(df.columns[0:899]) + list(df.columns[3593:])]
print op
这将创建一个新的数据框，其中前900列和（所有）列> 3593（假设您的数据集中有大约4000列）。
以下是使用不同方法进行选择性列切片的方法，包括基于选择性标签，基于索引和基于选择范围的列切片。
In [37]: import pandas as pd
In [38]: import numpy as np
In [43]: df = pd.DataFrame(np.random.rand(4,7), columns = list('abcdefg'))
In [44]: df
Out[44]:
a b c d e f g
0 0.409038 0.745497 0.890767 0.945890 0.014655 0.458070 0.786633
1 0.570642 0.181552 0.794599 0.036340 0.907011 0.655237 0.735268
2 0.568440 0.501638 0.186635 0.441445 0.703312 0.187447 0.604305
3 0.679125 0.642817 0.697628 0.391686 0.698381 0.936899 0.101806
In [45]: df.loc[:, ["a", "b", "c"]] ## label based selective column slicing
Out[45]:
a b c
0 0.409038 0.745497 0.890767
1 0.570642 0.181552 0.794599
2 0.568440 0.501638 0.186635
3 0.679125 0.642817 0.697628
In [46]: df.loc[:, "a":"c"] ## label based column ranges slicing
Out[46]:
a b c
0 0.409038 0.745497 0.890767
1 0.570642 0.181552 0.794599
2 0.568440 0.501638 0.186635
3 0.679125 0.642817 0.697628
In [47]: df.iloc[:, 0:3] ## index based column ranges slicing
Out[47]:
a b c
0 0.409038 0.745497 0.890767
1 0.570642 0.181552 0.794599
2 0.568440 0.501638 0.186635
3 0.679125 0.642817 0.697628
### with 2 different column ranges, index based slicing:
In [49]: df[df.columns[0:1].tolist() + df.columns[1:3].tolist()]
Out[49]:
a b c
0 0.409038 0.745497 0.890767
1 0.570642 0.181552 0.794599
2 0.568440 0.501638 0.186635
3 0.679125 0.642817 0.697628
它的等价物
>>> print(df2.loc[140:160,['Relevance','Title']])
>>> print(df2.ix[140:160,[3,7]])
如果数据框看起来像这样：
group name count
fruit apple 90
fruit banana 150
fruit orange 130
vegetable broccoli 80
vegetable kale 70
vegetable lettuce 125
和OUTPUT可能是一样的
group name count
0 fruit apple 90
1 fruit banana 150
2 fruit orange 130
如果你使用逻辑运算符np.logical_not
df[np.logical_not(df['group'] == 'vegetable')]
更多关于
https://docs.scipy.org/doc/numpy-1.13.0/reference/routines.logic.html
其他逻辑运算符