Ik probeer gewoon toegang te krijgen tot benoemde panda’s-kolommen met een geheel getal.
Je kunt een rij op locatie selecteren met df.ix[3]
.
Maar hoe selecteer je een kolom op een geheel getal?
Mijn dataframe:
df=pandas.DataFrame({'a':np.random.rand(5), 'b':np.random.rand(5)})
Antwoord 1, autoriteit 100%
Twee benaderingen die in je opkomen:
>>> df
A B C D
0 0.424634 1.716633 0.282734 2.086944
1 -1.325816 2.056277 2.583704 -0.776403
2 1.457809 -0.407279 -1.560583 -1.316246
3 -0.757134 -1.321025 1.325853 -2.513373
4 1.366180 -1.265185 -2.184617 0.881514
>>> df.iloc[:, 2]
0 0.282734
1 2.583704
2 -1.560583
3 1.325853
4 -2.184617
Name: C
>>> df[df.columns[2]]
0 0.282734
1 2.583704
2 -1.560583
3 1.325853
4 -2.184617
Name: C
Bewerken: het oorspronkelijke antwoord suggereerde het gebruik van df.ix[:,2]
maar deze functie is nu verouderd. Gebruikers moeten overschakelen naar df.iloc[:,2]
.
Antwoord 2, autoriteit 31%
Je kunt ook df.icol(n)
gebruiken om toegang te krijgen tot een kolom met een geheel getal.
Update: icol
is verouderd en dezelfde functionaliteit kan worden bereikt door:
df.iloc[:, n] # to access the column at the nth position
Antwoord 3, autoriteit 13%
U kunt op labels gebaseerd gebruiken met behulp van .loc of index gebaseerd op .iloc-methode om kolommen te segmenteren, inclusief kolombereiken:
In [50]: import pandas as pd
In [51]: import numpy as np
In [52]: df = pd.DataFrame(np.random.rand(4,4), columns = list('abcd'))
In [53]: df
Out[53]:
a b c d
0 0.806811 0.187630 0.978159 0.317261
1 0.738792 0.862661 0.580592 0.010177
2 0.224633 0.342579 0.214512 0.375147
3 0.875262 0.151867 0.071244 0.893735
In [54]: df.loc[:, ["a", "b", "d"]] ### Selective columns based slicing
Out[54]:
a b d
0 0.806811 0.187630 0.317261
1 0.738792 0.862661 0.010177
2 0.224633 0.342579 0.375147
3 0.875262 0.151867 0.893735
In [55]: df.loc[:, "a":"c"] ### Selective label based column ranges slicing
Out[55]:
a b c
0 0.806811 0.187630 0.978159
1 0.738792 0.862661 0.580592
2 0.224633 0.342579 0.214512
3 0.875262 0.151867 0.071244
In [56]: df.iloc[:, 0:3] ### Selective index based column ranges slicing
Out[56]:
a b c
0 0.806811 0.187630 0.978159
1 0.738792 0.862661 0.580592
2 0.224633 0.342579 0.214512
3 0.875262 0.151867 0.071244
Antwoord 4, autoriteit 4%
Je hebt toegang tot meerdere kolommen door een lijst met kolomindexen door te geven aan dataFrame.ix
.
Bijvoorbeeld:
>>> df = pandas.DataFrame({
'a': np.random.rand(5),
'b': np.random.rand(5),
'c': np.random.rand(5),
'd': np.random.rand(5)
})
>>> df
a b c d
0 0.705718 0.414073 0.007040 0.889579
1 0.198005 0.520747 0.827818 0.366271
2 0.974552 0.667484 0.056246 0.524306
3 0.512126 0.775926 0.837896 0.955200
4 0.793203 0.686405 0.401596 0.544421
>>> df.ix[:,[1,3]]
b d
0 0.414073 0.889579
1 0.520747 0.366271
2 0.667484 0.524306
3 0.775926 0.955200
4 0.686405 0.544421
Antwoord 5
De methode .transpose() converteert kolommen naar rijen en rijen naar kolommen, dus je zou zelfs kunnen schrijven
df.transpose().ix[3]