Python dataframe несколько колонок

Как выбрать несколько столбцов в Pandas (с примерами)

Существует три основных метода, которые вы можете использовать для выбора нескольких столбцов фрейма данных pandas:

Способ 1: выбор столбцов по индексу

Способ 2: выберите столбцы в диапазоне индексов

Способ 3: выберите столбцы по имени

В следующих примерах показано, как использовать каждый метод со следующими пандами DataFrame:

import pandas as pd #create DataFrame df = pd.DataFrame() #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 

Способ 1: выбор столбцов по индексу

В следующем коде показано, как выбрать столбцы в позициях индекса 0, 1 и 3:

#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 

Обратите внимание, что выбраны столбцы в позициях индекса 0, 1 и 3.

Примечание.Первый столбец в кадре данных pandas находится в позиции 0.

Способ 2: выберите столбцы в диапазоне индексов

В следующем коде показано, как выбрать столбцы в диапазоне индексов от 0 до 3:

#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 

Обратите внимание, что столбец, расположенный в последнем значении диапазона (3), не будет включен в вывод.

Способ 3: выберите столбцы по имени

Следующий код показывает, как выбрать столбцы по имени:

#select columns called 'points' and 'blocks' df_new = df[['points', 'blocks']] #view new DataFrame df_new points 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 

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:

Источник

Как добавить несколько столбцов в Pandas DataFrame

Вы можете использовать следующие методы для добавления нескольких столбцов в pandas DataFrame:

Способ 1: добавьте несколько столбцов, каждый из которых содержит одно значение

df[['new1', 'new2', 'new3']] = pd.DataFrame([[ 4 , 'hey', np.nan ]], index=df.index ) 

Способ 2: добавить несколько столбцов, каждый из которых содержит несколько значений

df['new1'] = [1, 5, 5, 4, 3, 6] df['new2'] = ['hi', 'hey', 'hey', 'hey', 'hello', 'yo'] df['new3'] = [12, 4, 4, 3, 6, 7] 

В следующих примерах показано, как использовать каждый метод со следующими пандами DataFrame:

import pandas as pd import numpy as np #create DataFrame df = pd.DataFrame() #view DataFrame df team points assists 0 A 18 5 1 B 22 7 2 C 19 7 3 D 14 9 4 E 14 12 5 F 11 9 

Способ 1: добавьте несколько столбцов, каждый из которых содержит одно значение

В следующем коде показано, как добавить три новых столбца в кадр данных pandas, в котором каждый новый столбец содержит только одно значение:

#add three new columns to DataFrame df[['new1', 'new2', 'new3']] = pd.DataFrame([[ 4 , 'hey', np.nan ]], index=df.index ) #view updated DataFrame df team points assists new1 new2 new3 0 A 18 5 4 hey NaN 1 B 22 7 4 hey NaN 2 C 19 7 4 hey NaN 3 D 14 9 4 hey NaN 4 E 14 12 4 hey NaN 5 F 11 9 4 hey NaN 

Обратите внимание, что в DataFrame добавлены три новых столбца — new1 , new2 и new3 .

Также обратите внимание, что каждый новый столбец содержит только одно конкретное значение.

Способ 2: добавить несколько столбцов, каждый из которых содержит несколько значений

В следующем коде показано, как добавить три новых столбца в кадр данных pandas, в котором каждый новый столбец содержит несколько значений:

#add three new columns to DataFrame df['new1'] = [1, 5, 5, 4, 3, 6] df['new2'] = ['hi', 'hey', 'hey', 'hey', 'hello', 'yo'] df['new3'] = [12, 4, 4, 3, 6, 7] #view updated DataFrame df team points assists new1 new2 new3 0 A 18 5 1 hi 12 1 B 22 7 5 hey 4 2 C 19 7 5 hey 4 3 D 14 9 4 hey 3 4 E 14 12 3 hello 6 5 F 11 9 6 yo 7 

Обратите внимание, что в DataFrame добавлены три новых столбца — new1 , new2 и new3 .

Также обратите внимание, что каждый новый столбец содержит несколько значений.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:

Источник

Как объединить Pandas DataFrames в несколько столбцов

Часто вы можете захотеть объединить два кадра данных pandas в нескольких столбцах. К счастью, это легко сделать с помощью функции pandas merge() , которая использует следующий синтаксис:

pd.merge(df1, df2, left_on=['col1','col2'], right_on = ['col1','col2']) 

В этом руководстве объясняется, как использовать эту функцию на практике.

Пример 1: объединение нескольких столбцов с разными именами

Предположим, у нас есть следующие два Pandas DataFrames:

import pandas as pd #create and view first DataFrame df1 = pd.DataFrame() print(df1) a1 b c 0 0 0 11 1 0 0 8 2 1 1 10 3 1 1 6 4 2 1 6 #create and view second DataFrame df2 = pd.DataFrame() print(df2) a2 b d 0 0 0 22 1 1 0 24 2 1 0 25 3 1 1 33 4 3 1 37 

В следующем коде показано, как выполнить левое соединение с использованием нескольких столбцов из обоих фреймов данных:

pd.merge(df1, df2, how='left', left_on=['a1', 'b'], right_on = ['a2',' b']) a1 b c a2 d 0 0 0 11 0.0 22.0 1 0 0 8 0.0 22.0 2 1 1 10 1.0 33.0 3 1 1 6 1.0 33.0 4 2 1 6 NaN NaN 

Пример 2: объединение нескольких столбцов с одинаковыми именами

Предположим, у нас есть следующие два кадра данных pandas с одинаковыми именами столбцов:

import pandas as pd #create DataFrames df1 = pd.DataFrame() df2 = pd.DataFrame() 

В этом случае мы можем упростить использование on = [‘a’, ‘b’], поскольку имена столбцов одинаковы в обоих DataFrames:

pd.merge(df1, df2, how='left', on=['a', 'b']) a b c d 0 0 0 11 22.0 1 0 0 8 22.0 2 1 1 10 33.0 3 1 1 6 33.0 4 2 1 6 NaN 

Источник