用python将dataframe中的特定两列放到新的dataframe中

好的，这个问题很简单。您可以使用 Pandas 库中的 DataFrame 类的 loc 方法来实现。具体代码如下：

import pandas as pd

# 假设您的原始 DataFrame 名称为 df，需要提取的两列分别为 column1 和 column2
new_df = df.loc[:, ['column1', 'column2']]

这样就可以将特定两列放到新的 DataFrame 中了。希望能对您有所帮助。

相关问题

拉依达准则python实现,要求读取excel表格，并且将筛选后的数据放到excel表格当中

拉伊达准则（Ljung-Box Test）是一种自相关函数检验，通常用于时间序列分析，检查数据是否具有随机游走特性或存在某种特定周期性的趋势。在Python中，我们可以使用`statsmodels`库来实现这个测试。

首先，你需要安装`pandas`和`statsmodels`库，如果你还没有安装，可以使用以下命令：

pip install pandas statsmodels openpyxl

接下来，假设你已经有一个Excel文件`data.xlsx`，其中包含需要分析的数据在Sheet1的A列（时间序列），B列（数据）。你可以按以下步骤实现：

import pandas as pd
from statsmodels.tsa.stattools import ljung_box
from openpyxl import load_workbook

# 读取Excel文件
wb = load_workbook('data.xlsx')
sheet = wb['Sheet1']
data_df = pd.read_excel(io=sheet, usecols=[0, 1])  # 提取时间和数据两列

# 确定起始行（通常从第二行开始，因为第一行通常是列名）
start_row = 1 if data_df.columns[0] == 'Time' else 0

# 将时间列转换为datetime类型并设为主键
data_df['Time'] = pd.to_datetime(data_df['Time'], errors='coerce')
data_df.set_index('Time', inplace=True)

# 应用拉伊达准则
lags = range(1, 21)  # 规定检验的滞后阶数
lb_results, p_values = ljung_box(data_df['Data'].values, lags=lags)

# 创建一个新的DataFrame保存结果
results_df = pd.DataFrame({'lag': lags, 'Q-statistic': lb_results, 'p-value': p_values})

# 如果你想保留原始数据并添加新结果到Excel中，可以这样做
new_sheet = wb.create_sheet(title='Ljung-Box Results')
results_df.to_excel(new_sheet, index=False)

# 保存新的工作簿
wb.save('data.xlsx')

Pandas将excel表格的a列b列放到最后面

在Pandas中，如果你想要从Excel文件中读取A列和B列，然后将它们放在DataFrame的最后一列，可以按照以下步骤操作[^1]：

1. **读取Excel文件并选择特定列**:
使用`read_excel`函数读取Excel文件，并指定`usecols`参数以选择A列（假设索引为0）和B列（假设索引为1）。

import pandas as pd

def read_excel_and_combine_cols(file_path):
    df = pd.read_excel(file_path, usecols=[0, 1], names=None)  # 选择A和B列
    df['combined'] = df.iloc[:, [0, 1]].values.tolist()  # 合并两列到新的'dataframe'
    return df

# 调用函数并将结果存储在变量中
result = read_excel_and_combine_cols("/path/to/your/file.xlsx")

2. **添加合并后的列到DataFrame的尾部**:
在上面的代码中，我们已经创建了一个名为`combined`的新列，其中包含了原A和B列的内容。这列默认会作为新列添加到DataFrame的末尾。

注意：如果原始数据中存在缺失值或其他非数值类型的元素，上述操作可能需要进一步处理，例如使用`pd.concat`或`fillna`来填充缺失值。