pandas截取多列

你可以使用pandas的索引操作来截取多列数据。以下是一些方法示例：

1. 使用列名列表：

df_new = df[['col1', 'col2', 'col3']]

2. 使用列索引列表：

df_new = df.iloc[:, [0, 1, 2]]

3. 使用切片操作：

df_new = df.loc[:, 'col1':'col3']

请注意，以上方法中的df表示你的DataFrame对象，'col1'、'col2'和'col3'是你要截取的列的名称或索引。这些方法都可以返回一个新的DataFrame对象，其中只包含你选择的列。

相关问题

pandas删除多列

要删除多列，您可以使用 Pandas 的 `drop()` 函数。

以下是一个示例代码：

import pandas as pd

# 创建示例 DataFrame
df = pd.DataFrame({'列1': [1, 2, 3, 4],
                   '列2': [5, 6, 7, 8],
                   '列3': [9, 10, 11, 12],
                   '列4': [13, 14, 15, 16]})

# 删除多列
df = df.drop(['列2', '列4'], axis=1)

print(df)

在上面的代码中，我们首先创建了一个示例 DataFrame `df`，其中包含了多个列。

然后，我们使用 `drop()` 函数来删除多列。通过传递要删除的列名列表 `['列2', '列4']` 和参数 `axis=1`，指定按列进行删除操作。

最后，我们将删除后的 DataFrame 赋值给 `df`，并将其打印出来。

通过这种方式，您可以删除多列。请根据您的实际数据和需求进行相应的调整。

pandas 筛选多列

可以使用 pandas 的 loc 或 iloc 方法来筛选多列数据。

假设有一个 DataFrame df，需要筛选列名为 col1、col2 和 col3 的三列数据，可以使用以下代码：

df_filtered = df.loc[:, ['col1', 'col2', 'col3']]

或者

df_filtered = df.iloc[:, [0, 1, 2]]

其中 loc 方法使用列名进行筛选，iloc 方法使用列索引进行筛选。两种方法都可以实现筛选多列数据。