Hoe u meerdere kolommen in panda's selecteert (met voorbeelden)
Er zijn drie basismethoden die u kunt gebruiken om meerdere kolommen uit een Pandas DataFrame te selecteren:
Methode 1: kolommen selecteren op index
df_new = df. iloc [:,[0,1,3]]
Methode 2: Selecteer kolommen in indexbereik
df_new = df. iloc [:, 0:3]
Methode 3: Selecteer Kolommen op naam
df_new = df[[' col1 ', ' col2 ']]
De volgende voorbeelden laten zien hoe u elke methode kunt gebruiken met de volgende panda’s DataFrame:
import pandas as pd
#createDataFrame
df = pd. DataFrame ({' points ': [25, 12, 15, 14, 19, 23, 25, 29],
' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12],
' blocks ': [4, 7, 7, 6, 5, 8, 9, 10]})
#view DataFrame
df
points assists rebounds blocks
0 25 5 11 4
1 12 7 8 7
2 15 7 10 7
3 14 9 6 6
4 19 12 6 5
5 23 9 5 8
6 25 9 9 9
7 29 4 12 10
Methode 1: kolommen selecteren op index
De volgende code laat zien hoe u kolommen op indexposities 0, 1 en 3 selecteert:
#select columns in index positions 0, 1, and 3
df_new = df. iloc [:,[0,1,3]]
#view new DataFrame
df_new
points assists blocks
0 25 5 4
1 12 7 7
2 15 7 7
3 14 9 6
4 19 12 5
5 23 9 8
6 25 9 9
7 29 4 10
Merk op dat de kolommen op indexposities 0, 1 en 3 zijn geselecteerd.
Opmerking : de eerste kolom van een panda’s DataFrame bevindt zich op positie 0.
Methode 2: Selecteer kolommen in indexbereik
De volgende code laat zien hoe u kolommen in het indexbereik 0 tot en met 3 selecteert:
#select columns in index range 0 to 3
df_new = df. iloc [:, 0:3]
#view new DataFrame
df_new
points assists rebounds
0 25 5 11
1 12 7 8
2 15 7 10
3 14 9 6
4 19 12 6
5 23 9 5
6 25 9 9
7 29 4 12
Houd er rekening mee dat de kolom die zich in de laatste waarde van het bereik (3) bevindt, niet in de uitvoer wordt opgenomen.
Methode 3: Selecteer Kolommen op naam
De volgende code laat zien hoe u kolommen op naam selecteert:
#select columns called 'points' and 'blocks'
df_new = df[[' points ', ' blocks ']]
#view new DataFrame
df_new
point blocks
0 25 4
1 12 7
2 15 7
3 14 6
4 19 5
5 23 8
6 25 9
7 29 10
Aanvullende bronnen
In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:
Hoe u alle kolomnamen in Panda’s kunt weergeven
Hoe kolommen in Panda’s te verwijderen
Hoe index naar kolom te converteren in Pandas