pandas 从csv中提取几列合并成新的dataframe

Pandas 是 Python 中常用的数据分析库，你可以轻松地从 CSV 文件中提取特定列并合并它们创建一个新的 DataFrame。以下是一个简单的步骤：

1. 首先，你需要导入 pandas 库：

import pandas as pd

2. 加载 CSV 文件，例如 `your_file.csv`，并指定需要的列名（如果文件的第一行是标题行，可以用 `header=0` 指定）：

df = pd.read_csv('your_file.csv', usecols=['column1', 'column2', 'column3'])  # 把 'column1', 'column2', 'column3' 替换为你实际的列名

这里的 `usecols` 参数接受一个列表，表示你想要提取的列。

3. 如果你想基于提取的列创建新的 DataFrame，可以直接用这些列作为索引来切片数据：

new_df = df[['column1', 'column2', 'column3']]

现在 `new_df` 就是你想要的新 DataFrame。

相关问题

将dataframe读取的两列合并成新的dataframe

可以使用pandas的concat函数将两列合并成新的dataframe。具体操作如下：

假设原始dataframe为df，其中包含两列A和B，我们要将它们合并成新的dataframe：

import pandas as pd

# 读取原始dataframe
df = pd.read_csv('your_file_path.csv')

# 将A和B列合并成新的dataframe
new_df = pd.concat([df['A'], df['B']], axis=1)

# 输出新的dataframe
print(new_df)

其中，concat函数的第一个参数是一个列表，包含需要合并的列，axis参数指定合并的方向，axis=1表示按列合并。

如何将不同dta文件的指定列提取出来合并成新的列

要将不同数据文件（例如CSV、Excel等格式）中的指定列提取出来并合并成新的列，可以按照以下步骤进行：

1. 读取数据文件：首先需要使用适合的数据处理库，如Python中的pandas库，来读取各个文件。如果是CSV文件，可以使用`pandas.read_csv()`函数读取；如果是Excel文件，则使用`pandas.read_excel()`函数。

2. 提取指定列：对于每个已读取的数据文件，根据需要提取的列名或列索引，使用`.loc[]`或`.iloc[]`方法选取特定列。例如，如果要提取名为"column_name"的列，可以使用`df['column_name']`的方式获取。

3. 合并列：将所有文件中提取出的列合并到一个新的DataFrame中。可以使用`pandas.concat()`函数，将多个DataFrame沿着axis=1合并，形成一个包含所有指定列的新DataFrame。

4. 保存新文件：合并后的数据可以使用`pandas.to_csv()`或`pandas.to_excel()`函数导出到新的CSV或Excel文件中。

下面是一个简单的Python代码示例，假设我们有两个CSV文件，我们需要从每个文件中提取"Name"和"Age"这两列，并将它们合并：

import pandas as pd

# 读取第一个数据文件并提取指定列
df1 = pd.read_csv('file1.csv')
columns_to_keep = ['Name', 'Age']
df1_selected = df1[columns_to_keep]

# 读取第二个数据文件并提取指定列
df2 = pd.read_csv('file2.csv')
df2_selected = df2[columns_to_keep]

# 合并列
df_combined = pd.concat([df1_selected, df2_selected], axis=1)

# 保存新文件
df_combined.to_csv('combined_data.csv', index=False)