У меня есть DataFrame со столбцами 'a', 'b' и 'c', и я хочу создать новый DataFrame, содержащий только столбцы 'a' и 'b'. Мои неудачные попытки: df1 = df['a':'b'] и df1 = df.ix[:, 'a':'b']. Какой правильный способ выбрать несколько столбцов в Pandas и создать новый DataFrame только с этими столбцами?

НейроАгент

Полное руководство: выбор нескольких столбцов в Pandas

Узнайте правильный способ выбора нескольких столбцов в DataFrame Pandas. Узнайте, почему двойные скобки обязательны и избегайте распространенных ошибок с устаревшими методами, такими как индексатор ix.

#column-selection #data-analysis #data-manipulation #pandas-dataframe #pandas-iloc #pandas-loc #python-data-science

30.10.2025, 20:39

Вопрос

Как выбрать несколько столбцов ‘a’ и ‘b’ из DataFrame Pandas и сохранить их в новый DataFrame?

У меня есть DataFrame со столбцами ‘a’, ‘b’ и ‘c’, и я хочу создать новый DataFrame, содержащий только столбцы ‘a’ и ‘b’.

Мои неудачные попытки:

python

df1 = df['a':'b']
df1 = df.ix[:, 'a':'b']

Какой правильный способ выбрать несколько столбцов в Pandas и создать новый DataFrame, содержащий только эти столбцы?

НейроАгент

Чтобы выбрать несколько столбцов ‘a’ и ‘b’ из DataFrame Pandas и создать новый DataFrame, следует использовать двойные квадратные скобки со списком имен столбцов: df1 = df[['a', 'b']]. Этот метод возвращает новый DataFrame, содержащий только указанные столбцы, что отличается от одинарных скобок, которые вернут Series при выборе одного столбца.

Содержание

Правильный метод выбора нескольких столбцов
Альтернативные подходы
Почему ваши попытки не увенчались успехом
Распространенные ошибки и лучшие практики
Практические примеры
Расширенный выбор столбцов

Правильный метод выбора нескольких столбцов

Основной и наиболее прямой метод для выбора нескольких столбцов из DataFrame Pandas — использование двойных квадратных скобок со списком имен столбцов:

python

df1 = df[['a', 'b']]

Это создает новый DataFrame df1, содержащий только столбцы ‘a’ и ‘b’ из исходного DataFrame df. Двойные скобки обязательны, так как они создают список имен столбцов, который ожидает pandas при выборе нескольких столбцов.

Ключевое понимание: При использовании двойных скобок df[['a', 'b']] вы передаете список ['a', 'b'] оператору индексации DataFrame. Это указывает pandas вернуть DataFrame с указанными столбцами, а не Series.

Давайте разберем, почему это работает:

Внутренние скобки: Создают список имен столбцов, которые вы хотите выбрать
Внешние скобки: Являются оператором индексации DataFrame, который обрабатывает список
Результат: Новый DataFrame, содержащий только указанные столбцы

Альтернативные подходы

Хотя метод с двойными скобками является наиболее распространенным, существует несколько других способов выбора нескольких столбцов в pandas:

Использование `loc` для выбора на основе меток

Индексатор loc предоставляет выбор на основе меток и предлагает большую гибкость:

python

df1 = df.loc[:, ['a', 'b']]

Это явно выбирает все строки (:) и только столбцы ‘a’ и ‘b’. Согласно документации pandas, loc[] используется для выбора на основе меток и особенно полезен, когда вам нужен больший контроль над процессом выбора.

Использование `iloc` для выбора на основе позиций

Если вы знаете позиции ваших столбцов, а не их имена:

python

df1 = df.iloc[:, [0, 1]]  # Выбираем первые два столбца по позиции

Явное создание нового DataFrame

Вы также можете создать новый DataFrame, передав исходный DataFrame и указав столбцы для включения:

python

df1 = pd.DataFrame(df, columns=['a', 'b'])

Этот метод явный и делает вашу цель ясной — создать новый DataFrame с определенными столбцами.

Использование метода `filter()`

Для более продвинутых шаблонов выбора столбцов:

python

df1 = df.filter(['a', 'b'])

Метод filter() полезен, когда вы хотите выбирать столбцы на основе шаблонов или регулярных выражений.

Почему ваши попытки не увенчались успехом

Давайте проанализируем, почему ваши неудачные попытки не сработали:

Попытка 1: `df['a':'b']`

Этот подход использует строковое срезание, которое не работает для выбора столбцов в pandas. Строковое срезание предназначено для выбора на основе меток в pandas, но работает только с индексом, а не с именами столбцов.

Почему это не работает: Pandas интерпретирует 'a':'b' как попытку срезать строки от индекса ‘a’ до индекса ‘b’, а не столбцы
Что это на самом деле делает: Если ваш DataFrame имеет строки с метками индекса ‘a’ и ‘b’, он выберет эти строки, а не столбцы
Правильный подход для срезания строк: df.loc['a':'b', :] для выбора строк от ‘a’ до ‘b’ и всех столбцов

Попытка 2: `df.ix[:, 'a':'b']`

Индексатор ix устарел с версии pandas 0.20.0 и был полностью удален в pandas 1.0.0. Даже когда он был доступен, этот подход имел проблемы.

Почему это не сработало: ix был предназначен для гибридного выбора на основе меток (loc) и позиций (iloc), но он был непоследовательным и склонным к ошибкам
Текущие альтернативы: Используйте loc для выбора на основе меток или iloc для выбора на основе позиций
Правильный подход: df.loc[:, ['a', 'b']] или df.iloc[:, [0, 1]]

Распространенные ошибки и лучшие практики

Одинарные против двойных скобок

Распространенный источник путаницы — разница между одинарными и двойными скобками:

python

# Одинарная скобка - возвращает Series (1D массив)
series_a = df['a']  # Возвращает pandas Series

# Двойные скобки - возвращает DataFrame (2D массив)
df_ab = df[['a', 'b']]  # Возвращает pandas DataFrame

Как объясняется в обсуждении на Stack Overflow, “вы должны использовать двойные скобки, если выбираете два или более столбца. При выборе одного имени столбца пара одинарных скобок возвращает Series.”

Существование имен столбцов

Всегда проверяйте, что имена столбцов, которые вы пытаетесь выбрать, действительно существуют:

python

# Проверяем существование столбцов перед выбором
if 'a' in df.columns and 'b' in df.columns:
    df1 = df[['a', 'b']]
else:
    print("Один или оба столбца не существуют в DataFrame")

Вопросы производительности

Для больших DataFrame метод с двойными скобками обычно эффективен. Однако, если вам нужно выбирать столбцы многократно, рассмотрите:

python

# Сохраняем имена столбцов в переменной для повторного использования
cols_to_select = ['a', 'b']
df1 = df[cols_to_select]

Практические примеры

Давайте рассмотрим полный пример:

python

import pandas as pd

# Создаем пример DataFrame
data = {
    'a': [1, 2, 3, 4, 5],
    'b': [10, 20, 30, 40, 50],
    'c': [100, 200, 300, 400, 500]
}
df = pd.DataFrame(data)

print("Исходный DataFrame:")
print(df)
print()

# Метод 1: Двойные скобки (наиболее распространенный)
df1 = df[['a', 'b']]
print("Новый DataFrame со столбцами 'a' и 'b':")
print(df1)
print()

# Метод 2: Использование loc
df2 = df.loc[:, ['a', 'b']]
print("Использование loc для выбора столбцов 'a' и 'b':")
print(df2)
print()

# Метод 3: Явное создание нового DataFrame
df3 = pd.DataFrame(df, columns=['a', 'b'])
print("Явное создание нового DataFrame:")
print(df3)

Вывод:

Исходный DataFrame:
   a   b    c
0  1  10  100
1  2  20  200
2  3  30  300
3  4  40  400
4  5  50  500

Новый DataFrame со столбцами 'a' и 'b':
   a   b
0  1  10
1  2  20
2  3  30
3  4  40
4  5  50

Использование loc для выбора столбцов 'a' и 'b':
   a   b
0  1  10
1  2  20
2  3  30
3  4  40
4  5  50

Явное создание нового DataFrame:
   a   b
0  1  10
1  2  20
2  3  30
3  4  40
4  5  50

Пример из реального мира с данными сотрудников

Давайте рассмотрим более реалистичный пример, основанный на демонстрации с GeeksforGeeks:

python

# Определяем данные сотрудников
data = {
    'Name': ['Джай', 'Принси', 'Гаурав', 'Анудж'],
    'Age': [27, 24, 22, 32],
    'Address': ['Дели', 'Канпур', 'Аллахабад', 'Каннаудж'],
    'Qualification': ['Msc', 'MA', 'MCA', 'Phd']
}

# Создаем DataFrame
df = pd.DataFrame(data)

# Выбираем только столбцы Name и Qualification
employee_info = df[['Name', 'Qualification']]

print("Информация о сотрудниках:")
print(employee_info)

Вывод:

Информация о сотрудниках:
    Name Qualification
0    Джай           Msc
1  Принси            MA
2  Гаурав           MCA
3    Анудж           Phd

Расширенный выбор столбцов

Выбор столбцов на основе условий

Вы также можете выбирать столбцы на основе определенных условий:

python

# Выбираем столбцы, содержащие конкретный текст
numeric_cols = df.loc[:, df.columns.str.contains('Age|Qualification')]
print("Столбцы, содержащие 'Age' или 'Qualification':")
print(numeric_cols)

# Выбираем столбцы на основе типа данных
numeric_df = df.select_dtypes(include=['number'])
print("\nТолько числовые столбцы:")
print(numeric_df)

Выбор столбцов с регулярными выражениями

Использование метода filter() с регулярными выражениями:

python

# Выбираем столбцы, начинающиеся с 'A'
cols_starting_with_a = df.filter(regex='^A')
print("Столбцы, начинающиеся с 'A':")
print(cols_starting_with_a)

Выбор не смежных столбцов

Если вам нужно выбрать столбцы, которые не находятся рядом друг с другом:

python

# Выбираем столбцы 'a' и 'c' (пропуская 'b')
ac_df = df[['a', 'c']]
print("Только столбцы 'a' и 'c':")
print(ac_df)

Заключение

Ключевые выводы

Используйте двойные скобки df[['a', 'b']] для выбора нескольких столбцов и создания нового DataFrame
Одинарные скобки df['a'] возвращают Series, в то время как двойные скобки возвращают DataFrame
Избегайте устаревших методов, таких как ix — используйте loc для выбора на основе меток и iloc для выбора на основе позиций
Строковое срезание, такое как df['a':'b'], не работает для выбора столбцов — оно предназначено для индексации строк
Существует несколько альтернатив, включая loc, iloc, filter() и явное создание DataFrame

Лучшие практики

Всегда проверяйте существование имен столбцов перед выбором
Используйте двойные скобки, чтобы убедиться, что вы получаете DataFrame, а не Series
Предпочитайте loc устаревшим методам для выбора на основе меток
Сохраняйте списки столбцов в переменных при их повторном использовании для лучшей производительности

Источники

Как выбрать столбцы в pandas на основе типов данных?В чем разница между использованием loc и iloc для выбора столбцов в pandas?Как выбрать столбцы, соответствующие определенному шаблону в pandas?Какой самый эффективный способ выбрать несколько столбцов в больших DataFrame Pandas?Как выбрать не смежные столбцы в DataFrame Pandas?Какие распространенные ловушки возникают при выборе столбцов в pandas и как их избежать?

Спросить у NeuroAgent

Полное руководство: выбор нескольких столбцов в Pandas

Содержание

Правильный метод выбора нескольких столбцов

Альтернативные подходы

Использование loc для выбора на основе меток

Использование iloc для выбора на основе позиций

Явное создание нового DataFrame

Использование метода filter()

Почему ваши попытки не увенчались успехом

Попытка 1: df['a':'b']

Попытка 2: df.ix[:, 'a':'b']

Распространенные ошибки и лучшие практики

Одинарные против двойных скобок

Существование имен столбцов

Вопросы производительности

Практические примеры

Пример из реального мира с данными сотрудников

Расширенный выбор столбцов

Выбор столбцов на основе условий

Выбор столбцов с регулярными выражениями

Выбор не смежных столбцов

Заключение

Ключевые выводы

Лучшие практики

Рекомендуемый подход

Источники

Использование `loc` для выбора на основе меток

Использование `iloc` для выбора на основе позиций

Использование метода `filter()`

Попытка 1: `df['a':'b']`

Попытка 2: `df.ix[:, 'a':'b']`