我有一个这样的数据框架:
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(4,4), columns=list('abcd'))
df
a b c d
0 0.418762 0.042369 0.869203 0.972314
1 0.991058 0.510228 0.594784 0.534366
2 0.407472 0.259811 0.396664 0.894202
3 0.726168 0.139531 0.324932 0.906575
我如何得到除b之外的所有列?
当前回答
你可以使用df.columns.isin()
df.loc[:, ~df.columns.isin(['b'])]
当你想删除多个列时，简单如下:
df.loc[:, ~df.columns.isin(['col1', 'col2'])]
其他回答
当列不是MultiIndex时，df。Columns只是一个列名数组，所以你可以这样做:
df.loc[:, df.columns != 'b']
a c d
0 0.561196 0.013768 0.772827
1 0.882641 0.615396 0.075381
2 0.368824 0.651378 0.397203
3 0.788730 0.568099 0.869127
类似于@Toms的答案，也可以选择除“b”以外的所有列，而不使用.loc，如下所示:
df[df.columns[~df.columns.isin(['b'])]]
我认为最好的方法是@萨尔瓦多·达利提到的方法。并不是说其他人都错了。
因为当你有一个数据集你只想选择一列，然后把它放到一个变量中，而把其他列放到另一个变量中，以进行比较或计算。那么删除数据集的列可能没有帮助。当然也有这样的用例。
x_cols = [x for x in data.columns if x != 'name of column to be excluded']
然后你可以把变量x_cols中的列集合放到另一个变量x_cols1中进行其他计算。
ex: x_cols1 = data[x_cols]
你可以在索引中删除列:
df[df.columns.drop('b')]
or
df.loc[:, df.columns.drop('b')]
我认为一个很好的解决方案是使用pandas和regex的函数过滤器(匹配除“b”之外的所有内容):
df.filter(regex="^(?!b$)")
