pandas DataFrame 根据一个索引列表，取出除了该索引列表中的索引外的其他数据

可以使用 `~` 运算符和 `isin()` 方法来实现。

假设我们的 DataFrame 是 `df`，索引列表是 `idx_list`，那么可以这样取出除了该索引列表中的索引外的其他数据：

df[~df.index.isin(idx_list)]

这里的 `~` 运算符表示取反，也就是排除索引列表中的索引。`isin()` 方法用于判断一个元素是否包含在一个列表中，返回的是一个布尔型的 Series。

因此，上述代码会返回一个 DataFrame，其中包含所有除了 `idx_list` 中索引对应的数据以外的其他数据。

相关问题

python pandas dataframe对象根据列索引输出某范围的数据

要输出某个范围的数据，可以使用DataFrame的切片功能。下面是一个示例代码：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': ['a', 'b', 'c', 'd', 'e'],
                   'C': [0.1, 0.2, 0.3, 0.4, 0.5]})

# 输出第2到第4行的所有数据
print(df.iloc[1:4, :])

# 输出第2到第4行的A和C列数据
print(df.loc[1:3, ['A', 'C']])

输出：

   A  B    C
1  2  b  0.2
2  3  c  0.3
3  4  d  0.4
   A    C
1  2  0.2
2  3  0.3
3  4  0.4

上面的代码中，使用了不同的索引方式。`.iloc`使用了整数位置索引，可以根据行列的位置进行切片。而`.loc`使用了标签索引，可以根据行列的标签进行切片。可以根据实际情况选择不同的索引方式来输出数据。

pandas dataframe如何增加列索引索引列名

要为 Pandas DataFrame 增加列索引和行索引名称，你可以使用 `df.columns.name` 和 `df.index.name`。下面是一个例子：

import pandas as pd

# 创建一个 DataFrame
data = {'Name': ['John', 'Emily', 'Kate', 'James'],
        'Age': [28, 25, 32, 21],
        'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)

# 增加列索引名和行索引名
df.columns.name = 'Attributes'
df.index.name = 'Index'

# 打印 DataFrame
print(df)

输出结果如下：

Attributes  Name  Age      City
Index                           
0           John   28  New York
1          Emily   25     Paris
2           Kate   32    London
3          James   21     Tokyo

在上面的例子中，我们首先创建了一个 DataFrame，然后使用 `df.columns.name` 和 `df.index.name` 分别为列索引和行索引设置名称。最后，我们打印 DataFrame，输出结果中列索引和行索引都有了对应的名称。