Seleção de coluna de pandas por localização

101

Estou simplesmente tentando acessar colunas nomeadas de pandas por um número inteiro.

Você pode selecionar uma linha por localização usando df.ix[3].

Mas como selecionar uma coluna por inteiro?

Meu dataframe:

df=pandas.DataFrame({'a':np.random.rand(5), 'b':np.random.rand(5)})

python pandas indexing

— Jason Strimpel
fonte

Atualizado para fazer uma pergunta.

— Jason Strimpel

Neste exemplo, a ordem das colunas não pode ser definida. ('a' pode ser a primeira ou a segunda coluna).

— user48956

152

Duas abordagens que vêm à mente:

>>> 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

Editar : A resposta original sugeria o uso de, df.ix[:,2]mas essa função agora está obsoleta. Os usuários devem mudar para df.iloc[:,2].

— DSM
fonte

28

Para sua informação, df.ix foi substituído por df.iloc

— yosemite_k

Observe que se você tiver duas colunas com o mesmo nome, o método df.iloc [:, 2] funciona, retornando apenas uma coluna, mas o método df [df.columns [2]] retornará ambas as colunas com o mesmo nome.

— BobbyG

54

Você também pode usar df.icol(n)para acessar uma coluna por inteiro.

Atualizar: icolestá obsoleto e a mesma funcionalidade pode ser alcançada por:

df.iloc[:, n]  # to access the column at the nth position

— Adrian
fonte

2

Observe que para a próxima versão 0.11.0, esses métodos estão obsoletos e podem ser removidos em versões futuras. Consulte pandas.pydata.org/pandas-docs/dev/… para saber como selecionar por posição usando iloc / iat.

— Wouter Overmeire

1

O link acima está obsoleto porque os documentos de indexação foram reestruturados: pandas.pydata.org/pandas-docs/stable/… . A partir de hoje, em que a versão mais recente é 0.21.0, iloccontinua sendo a abordagem documentada para acessar uma coluna por posição.

— iff_ou

21

Você pode usar rótulo baseado em .loc ou índice baseado em método .iloc para fazer divisão de colunas, incluindo intervalos de colunas:

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

— Surya
fonte

6

Você pode acessar várias colunas passando uma lista de índices de coluna para dataFrame.ix.

Por exemplo:

>>> 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

— Safwan
fonte

1

O método .transpose () converte colunas em linhas e linhas em coluna, portanto, você pode até escrever

df.transpose().ix[3]

— Stefano Fedele
fonte

2

A transposição pode atrapalhar os tipos de dados.

— IanS de