Come preservare alcune colonne in panda (con esempi)

È possibile utilizzare i seguenti metodi per rendere persistenti solo determinate colonne in un DataFrame panda:

Metodo 1: specificare quali colonne mantenere

 #only keep columns 'col1' and 'col2'
df[[' col1 ', ' col2 ']]

Metodo 2: specificare le colonne da eliminare

 #drop columns 'col3' and 'col4'
df[df. columns [~df. columns . isin ([' col3 ',' col4 '])]]

Gli esempi seguenti mostrano come utilizzare ciascun metodo con i seguenti DataFrame panda:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'B', 'B', 'B'],
                   ' points ': [11, 7, 8, 10, 13, 13],
                   ' assists ': [5, 7, 7, 9, 12, 9],
                   ' rebounds ': [11, 8, 10, 6, 6, 5]})

#view DataFrame
df

	team points assists rebounds
0 A 11 5 11
1 To 7 7 8
2 to 8 7 10
3 B 10 9 6
4 B 13 12 6
5 B 13 9 5

Metodo 1: specificare quali colonne mantenere

Il codice seguente mostra come definire un nuovo DataFrame che conserva solo le colonne “team” e “points”:

 #create new DataFrame and only keep 'team' and 'points' columns
df2 = df[[' team ', ' points ']]

#view new DataFrame
df2

        team points
0 to 11
1 to 7
2 to 8
3 B 10
4 B 13
5 B 13

Tieni presente che il DataFrame risultante conserva solo le due colonne che abbiamo specificato.

Metodo 2: specificare le colonne da eliminare

Il codice seguente mostra come definire un nuovo DataFrame che rimuove le colonne “attends” e “bounce” dal DataFrame originale:

 #create new DataFrame and that drops 'assists' and 'rebounds'
df2 = df[df. columns [~df. columns . isin ([' assists ', ' rebounds '])]]

#view new DataFrame
df2

        team points
0 to 11
1 to 7
2 to 8
3 B 10
4 B 13
5 B 13

Tieni presente che il DataFrame risultante rimuove le colonne “assist” e “rimbalzi” dal DataFrame originale e conserva le colonne rimanenti.

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:

Come rimuovere la prima colonna in Pandas DataFrame
Come rimuovere le colonne duplicate in Pandas
Come eliminare le colonne per indice in Pandas