CSVファイルから機械学習データを読み込みます。最初の2列は観測値で、残りの列は特徴です。

現在、私は次のことをしています。

data = pandas.read_csv('mydata.csv')

これは次のようなものになります：

data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde'))

私は2つのデータフレームでは、このデータフレームをスライスしたいと思います：1列を含むaとb、もう1つは列を含むc、dとe。

次のようなものを書くことはできません

observations = data[:'c']
features = data['c':]

私は最善の方法が何であるかわかりません。私は必要pd.Panelですか？

ちなみに、データフレームのインデックス付けはかなり一貫性data['a']がdata[0]ありません。許可されていますが許可されていません。一方で、data['a':]許可されていませんが許可されていdata[0:]ます。これには実際的な理由はありますか？列がIntによってインデックス付けされている場合、これは本当に混乱します。data[0] != data[0:1]

2017回答-パンダ0.20：.ixは非推奨になりました。.locを使用

ドキュメントの非推奨を参照してください

.locラベルベースのインデックスを使用して、行と列の両方を選択します。ラベルは、インデックスまたは列の値です。でスライスすると.loc、最後の要素が含まれます。

我々は、次の列を持つデータフレームを持っていると仮定しましょう：
foo、bar、quz、ant、cat、sat、dat。

# selects all rows and all columns beginning at 'foo' up to and including 'sat'
df.loc[:, 'foo':'sat']
# foo bar quz ant cat sat

.locPythonリストが行と列の両方に対して行うのと同じスライス表記を受け入れます。スライス表記ありstart:stop:step

# slice from 'foo' to 'cat' by every 2nd column
df.loc[:, 'foo':'cat':2]
# foo quz cat

# slice from the beginning to 'bar'
df.loc[:, :'bar']
# foo bar

# slice from 'quz' to the end by 3
df.loc[:, 'quz'::3]
# quz sat

# attempt from 'sat' to 'bar'
df.loc[:, 'sat':'bar']
# no columns returned

# slice from 'sat' to 'bar'
df.loc[:, 'sat':'bar':-1]
sat cat ant quz bar

# slice notation is syntatic sugar for the slice function
# slice from 'quz' to the end by 2 with slice function
df.loc[:, slice('quz',None, 2)]
# quz cat dat

# select specific columns with a list
# select columns foo, bar and dat
df.loc[:, ['foo','bar','dat']]
# foo bar dat

行と列でスライスできます。たとえば、あなたがラベルに5行を持っている場合はv、w、x、y、z

# slice from 'w' to 'y' and 'foo' to 'ant' by 3
df.loc['w':'y', 'foo':'ant':3]
#    foo ant
# w
# x
# y

注： .ix Pandas v0.20から非推奨になりました。代わりに、必要に応じて.locまたはを使用する必要があり.ilocます。

DataFrame.ixインデックスは、アクセスしたいものです。少し混乱しますが（Pandasのインデックス作成が時々困惑していることに同意します！）、次のようにすると期待どおりの結果が得られます。

>>> df = DataFrame(np.random.rand(4,5), columns = list('abcde'))
>>> df.ix[:,'b':]
      b         c         d         e
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

ここで、.ix [行スライス、列スライス]は解釈されるものです。Pandasのインデックス作成の詳細はこちら：http : //pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-advanced

例として、seabornパッケージのタイタニックデータセットを使用してみましょう

# Load dataset (pip install seaborn)
>> import seaborn.apionly as sns
>> titanic = sns.load_dataset('titanic')

列名を使用する

>> titanic.loc[:,['sex','age','fare']]

列インデックスの使用

>> titanic.iloc[:,[2,3,6]]

ixの使用（Pandasより古い<.20バージョン）

>> titanic.ix[:,[‘sex’,’age’,’fare’]]

または

>> titanic.ix[:,[2,3,6]]

reindexメソッドの使用

>> titanic.reindex(columns=['sex','age','fare'])

また、DataFrame

データ

あなたの例のように、列aとdのみ（1番目と4番目の列）を抽出する場合、pandasデータフレームからiloc mothodが必要であり、非常に効果的に使用できます。知っておく必要があるのは、抽出する列のインデックスだけです。例えば：

>>> data.iloc[:,[0,3]]

あなたにあげます

          a         d
0  0.883283  0.100975
1  0.614313  0.221731
2  0.438963  0.224361
3  0.466078  0.703347
4  0.955285  0.114033
5  0.268443  0.416996
6  0.613241  0.327548
7  0.370784  0.359159
8  0.692708  0.659410
9  0.806624  0.875476

次のDataFrameように、リストの各列の名前を参照することで、aの列に沿ってスライスできます。

data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde'))
data_ab = data[list('ab')]
data_cde = data[list('cde')]

そして、あなたがここに来て、2つの列の範囲をスライスしてそれらを組み合わせる（私のように）場合、次のようなことができます

op = df[list(df.columns[0:899]) + list(df.columns[3593:])]
print op

これにより、最初の900列と（すべての）列が3593を超える新しいデータフレームが作成されます（データセットに4000列あると仮定します）。

選択的なラベルベース、インデックスベース、選択的な範囲ベースの列スライスなど、さまざまな方法を使用して選択的な列スライスを行う方法を次に示します。

In [37]: import pandas as pd    
In [38]: import numpy as np
In [43]: df = pd.DataFrame(np.random.rand(4,7), columns = list('abcdefg'))

In [44]: df
Out[44]: 
          a         b         c         d         e         f         g
0  0.409038  0.745497  0.890767  0.945890  0.014655  0.458070  0.786633
1  0.570642  0.181552  0.794599  0.036340  0.907011  0.655237  0.735268
2  0.568440  0.501638  0.186635  0.441445  0.703312  0.187447  0.604305
3  0.679125  0.642817  0.697628  0.391686  0.698381  0.936899  0.101806

In [45]: df.loc[:, ["a", "b", "c"]] ## label based selective column slicing 
Out[45]: 
          a         b         c
0  0.409038  0.745497  0.890767
1  0.570642  0.181552  0.794599
2  0.568440  0.501638  0.186635
3  0.679125  0.642817  0.697628

In [46]: df.loc[:, "a":"c"] ## label based column ranges slicing 
Out[46]: 
          a         b         c
0  0.409038  0.745497  0.890767
1  0.570642  0.181552  0.794599
2  0.568440  0.501638  0.186635
3  0.679125  0.642817  0.697628

In [47]: df.iloc[:, 0:3] ## index based column ranges slicing 
Out[47]: 
          a         b         c
0  0.409038  0.745497  0.890767
1  0.570642  0.181552  0.794599
2  0.568440  0.501638  0.186635
3  0.679125  0.642817  0.697628

### with 2 different column ranges, index based slicing: 
In [49]: df[df.columns[0:1].tolist() + df.columns[1:3].tolist()]
Out[49]: 
          a         b         c
0  0.409038  0.745497  0.890767
1  0.570642  0.181552  0.794599
2  0.568440  0.501638  0.186635
3  0.679125  0.642817  0.697628

その同等物

 >>> print(df2.loc[140:160,['Relevance','Title']])
 >>> print(df2.ix[140:160,[3,7]])

データフレームが次のようになっている場合：

group         name      count
fruit         apple     90
fruit         banana    150
fruit         orange    130
vegetable     broccoli  80
vegetable     kale      70
vegetable     lettuce   125

そしてOUTPUTは

   group    name  count
0  fruit   apple     90
1  fruit  banana    150
2  fruit  orange    130

論理演算子np.logical_notを使用する場合

df[np.logical_not(df['group'] == 'vegetable')]

詳細について

https://docs.scipy.org/doc/numpy-1.13.0/reference/routines.logic.html

その他の論理演算子

1. logical_and（x1、x2、/ [、out、where、...]）x1 AND x2の真理値を要素ごとに計算します。

2. logical_or（x1、x2、/ [、out、where、casting、...]）x1 OR x2の真理値を要素ごとに計算します。

3. logical_not（x、/ [、out、where、Casting、...]）NOT xの真理値を要素ごとに計算します。
4. logical_xor（x1、x2、/ [、out、where、..]）x1 XOR x2の真理値を要素ごとに計算します。

あなたのデータフレームからの列のサブセットを取得する別の方法は、あなたがすべての行をしたいと仮定すると、行うことを次のようになります。
data[['a','b']]そしてdata[['c','d','e']]
あなたは、数値列インデックスを使用したい場合は、行うことができます
data[data.columns[:2]]し、data[data.columns[2:]]