Saya memuat beberapa data pembelajaran mesin dari file CSV. 2 kolom pertama adalah observasi dan kolom lainnya adalah fitur.

Saat ini, saya melakukan hal berikut:

data = pandas.read_csv('mydata.csv')

yang memberikan sesuatu seperti:

data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde'))

Saya ingin mengiris dataframe ini dalam dua dataframes: satu berisi kolom adan bdan satu berisi kolom c, ddan e.

Tidak mungkin menulis sesuatu seperti

observations = data[:'c']
features = data['c':]

Saya tidak yakin apa metode terbaik. Apakah saya perlu pd.Panel?

By the way, saya menemukan pengindeksan dataframe cukup tidak konsisten: data['a']diizinkan, tetapi data[0]tidak. Di sisi lain, data['a':]tidak diizinkan tetapi data[0:]. Apakah ada alasan praktis untuk ini? Ini benar-benar membingungkan jika kolom diindeks oleh Int, mengingat hal itudata[0] != data[0:1]

2017 Jawaban - panda 0.20: .ix sudah usang. Gunakan .loc

Lihat penghinaan dalam dokumen

.locmenggunakan pengindeksan berbasis label untuk memilih baris dan kolom. Label menjadi nilai indeks atau kolom. Mengiris dengan .locmenyertakan elemen terakhir.

Mari kita asumsikan kita memiliki DataFrame dengan kolom berikut:
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

.locmenerima notasi irisan yang sama yang dilakukan daftar Python untuk baris dan kolom. Notasi slice sedangstart: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

Anda dapat mengiris baris dan kolom. Misalnya, jika Anda memiliki 5 baris dengan label 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

Catatan: .ix telah ditinggalkan sejak Pandas v0.20. Anda sebaiknya menggunakan .locatau.iloc , jika perlu.

Indeks DataFrame.ix adalah apa yang ingin Anda akses. Agak membingungkan (saya setuju bahwa pengindeksan Pandas kadang-kadang membingungkan!), Tetapi yang berikut tampaknya melakukan apa yang Anda inginkan:

>>> 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

di mana .ix [irisan baris, irisan kolom] adalah apa yang ditafsirkan. Lebih lanjut tentang pengindeksan Pandas di sini: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-advanced

Mari kita gunakan dataset titanic dari paket seaborn sebagai contoh

# Load dataset (pip install seaborn)
>> import seaborn.apionly as sns
>> titanic = sns.load_dataset('titanic')

menggunakan nama kolom

>> titanic.loc[:,['sex','age','fare']]

menggunakan indeks kolom

>> titanic.iloc[:,[2,3,6]]

menggunakan ix (Lebih lama dari Pandas <.20 versi)

>> titanic.ix[:,[‘sex’,’age’,’fare’]]

atau

>> titanic.ix[:,[2,3,6]]

menggunakan metode reindex

>> titanic.reindex(columns=['sex','age','fare'])

Juga, Diberi DataFrame

data

seperti pada contoh Anda, jika Anda ingin mengekstrak kolom a dan d saja (yaitu kolom 1 dan 4), iloc mothod dari panda dataframe adalah apa yang Anda butuhkan dan dapat digunakan dengan sangat efektif. Yang perlu Anda ketahui adalah indeks kolom yang ingin Anda ekstrak. Sebagai contoh:

>>> data.iloc[:,[0,3]]

akan memberimu

          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

Anda dapat mengiris sepanjang kolom a DataFramedengan merujuk pada nama setiap kolom dalam daftar, seperti:

data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde'))
data_ab = data[list('ab')]
data_cde = data[list('cde')]

Dan jika Anda datang ke sini mencari untuk mengiris dua rentang kolom dan menggabungkannya bersama (seperti saya), Anda dapat melakukan sesuatu seperti

op = df[list(df.columns[0:899]) + list(df.columns[3593:])]
print op

Ini akan membuat kerangka data baru dengan 900 kolom pertama dan (semua) kolom> 3593 (dengan asumsi Anda memiliki sekitar 4000 kolom dalam kumpulan data Anda).

Inilah cara Anda dapat menggunakan metode yang berbeda untuk melakukan pemotongan kolom selektif, termasuk label selektif berdasarkan, indeks berdasarkan dan pemotongan kolom berdasarkan rentang selektif.

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

Itu setara

 >>> print(df2.loc[140:160,['Relevance','Title']])
 >>> print(df2.ix[140:160,[3,7]])

jika bingkai data terlihat seperti itu:

group         name      count
fruit         apple     90
fruit         banana    150
fruit         orange    130
vegetable     broccoli  80
vegetable     kale      70
vegetable     lettuce   125

dan OUTPUT bisa seperti

   group    name  count
0  fruit   apple     90
1  fruit  banana    150
2  fruit  orange    130

jika Anda menggunakan np.logical_not operator logis

df[np.logical_not(df['group'] == 'vegetable')]

lebih tentang

https://docs.scipy.org/doc/numpy-1.13.0/reference/routines.logic.html

operator logis lainnya

1. logical_and (x1, x2, / [, out, where, ...]) Hitung nilai kebenaran dari elemen x1 AND x2.

2. logical_or (x1, x2, / [, out, where, casting, ...]) Hitung nilai kebenaran dari elemen x1 OR x2.

3. logical_not (x, / [, out, where, casting, ...]) Hitung nilai kebenaran BUKAN x elemen-bijaksana.
4. logical_xor (x1, x2, / [, out, where, ..]) Hitung nilai kebenaran x1 XOR x2, berdasarkan elemen.

Cara lain untuk mendapatkan subset kolom dari DataFrame Anda, dengan asumsi Anda menginginkan semua baris, adalah dengan melakukan:
data[['a','b']]dan data[['c','d','e']]
Jika Anda ingin menggunakan indeks kolom numerik yang dapat Anda lakukan:
data[data.columns[:2]]dandata[data.columns[2:]]