別の列にデータがありますが、それを抽出して別の変数に保存する方法がわかりません。

index  a   b   c
1      2   3   4
2      3   4   5

どのように私は選択しない'a'、'b'とDF1にそれを保存しますか？

私は試した

df1 = df['a':'b']
df1 = df.ix[:, 'a':'b']

どれも動作しないようです。

列名（文字列）は、試した方法ではスライスできません。

ここにはいくつかのオプションがあります。コンテキストからどの変数を切り出したいかがわかっている場合は、__getitem__構文（[]）にリストを渡して、それらの列のみのビューを返すことができます。

df1 = df[['a','b']]

または、名前ではなく数値でそれらにインデックスを付けることが重要な場合（たとえば、コードは最初の2つの列の名前を知らなくても自動的にこれを行う必要がある）、代わりにこれを行うことができます。

df1 = df.iloc[:,0:2] # Remember that Python does not slice inclusive of the ending index.

さらに、Pandasオブジェクトのビューではなく、そのオブジェクトのコピーのビューを理解する必要があります。上記のメソッドの最初のメソッドは、目的のサブオブジェクト（目的のスライス）のメモリに新しいコピーを返します。

ただし、これを行わず、元のオブジェクトのサブオブジェクトまたはスライスと同じメモリチャンクを参照するだけの新しい変数がPandaにある場合があります。これはインデックス作成の2番目の方法で発生するため、copy()関数で変更して通常のコピーを取得できます。この場合、スライスされたオブジェクトであると考えるものを変更すると、元のオブジェクトが変更されることがあります。いつもこれに気をつけてください。

df1 = df.iloc[0,0:2].copy() # To avoid the case where changing df1 also changes df

を使用ilocするには、列の位置（またはインデックス）を知っている必要があります。列の位置が変わる可能性があるため、インデックスをハードコーディングする代わりに、データフレームオブジェクトのメソッドの関数ilocと共に使用して、列のインデックスを取得できます。get_loccolumns

{df.columns.get_loc(c):c for idx, c in enumerate(df.columns)}

これで、このディクショナリを使用して、名前とを使用して列にアクセスできますiloc。

バージョン0.11.0以降では、インデクサーを使用して試した方法で列をスライスできます.loc。

df.loc[:, 'C':'E']

同等です

df[['C', 'D', 'E']]  # or df.loc[:, ['C', 'D', 'E']]

からまでの列Cを返しますE。

ランダムに生成されたDataFrameのデモ：

import pandas as pd
import numpy as np
np.random.seed(5)
df = pd.DataFrame(np.random.randint(100, size=(100, 6)), 
                  columns=list('ABCDEF'), 
                  index=['R{}'.format(i) for i in range(100)])
df.head()

Out: 
     A   B   C   D   E   F
R0  99  78  61  16  73   8
R1  62  27  30  80   7  76
R2  15  53  80  27  44  77
R3  75  65  47  30  84  86
R4  18   9  41  62   1  82

列をCからEに取得するには（整数スライスとは異なり、列に「E」が含まれていることに注意してください）：

df.loc[:, 'C':'E']

Out: 
      C   D   E
R0   61  16  73
R1   30  80   7
R2   80  27  44
R3   47  30  84
R4   41  62   1
R5    5  58   0
...

ラベルに基づいて行を選択する場合も同様です。これらの列から「R6」から「R10」までの行を取得します。

df.loc['R6':'R10', 'C':'E']

Out: 
      C   D   E
R6   51  27  31
R7   83  19  18
R8   11  67  65
R9   78  27  29
R10   7  16  94

.locまた、ブール配列を受け入れるため、配列内の対応するエントリがである列を選択できますTrue。たとえば、列名がリストにある場合は-Trueをdf.columns.isin(list('BCD'))返します。そうでなければ、偽。array([False, True, True, True, False, False], dtype=bool)['B', 'C', 'D']

df.loc[:, df.columns.isin(list('BCD'))]

Out: 
      B   C   D
R0   78  61  16
R1   27  30  80
R2   53  80  27
R3   65  47  30
R4    9  41  62
R5   78   5  58
...

列名（df.columns）が['index','a','b','c']であるとすると、必要なデータは3番目と4番目の列にあります。スクリプトの実行時にそれらの名前がわからない場合は、これを行うことができます

newdf = df[df.columns[2:4]] # Remember, Python is 0-offset! The "3rd" entry is at slot 2.

EMSが彼の回答で指摘しているように、df.ix列をもう少し簡潔に.columnsスライスしますが、スライスインターフェイスは、バニラ1-D Pythonリストのインデックス付け/スライス構文を使用するため、より自然なものになる可能性があります。

警告：列の'index'名前としては不適切ですDataFrame。同じラベルが実際のdf.index属性であるIndex配列にも使用されます。したがって、列はによって返されdf['index']、実際のDataFrameインデックスはによって返されdf.indexます。Indexは、そのSeries要素の値を検索するために最適化された特別な種類です。df.indexの場合、ラベルで行を検索するためのものです。そのdf.columns属性はpd.Index、ラベルで列を検索するための配列でもあります。

In [39]: df
Out[39]: 
   index  a  b  c
0      1  2  3  4
1      2  3  4  5

In [40]: df1 = df[['b', 'c']]

In [41]: df1
Out[41]: 
   b  c
0  3  4
1  4  5

この質問はかなり古いですが、パンダの最新バージョンでは、これを正確に行う簡単な方法があります。列名（文字列）は、好きな方法でスライスできます。

columns = ['b', 'c']
df1 = pd.DataFrame(df, columns=columns)

ドロップする列のリストを提供drop()し、Pandas DataFrameの関数を使用して、必要な列のみを含むDataFrameを返すことができます。

ただ言って

colsToDrop = ['a']
df.drop(colsToDrop, axis=1)

列bとだけのDataFrameを返しますc。

dropこの方法は、文書化されてここに。

パンダと一緒に、

ウィット列名

dataframe[['column1','column2']]

ilocとインデックス番号を持つ特定の列で選択するには：

dataframe.iloc[:,[1,2]]

locカラム名は次のように使用できます

dataframe.loc[:,['column1','column2']]

この方法は非常に便利であることがわかりました。

# iloc[row slicing, column slicing]
surveys_df.iloc [0:3, 1:4]

詳細はこちら

0.21.0以降では、ラベルが欠落している1つ以上のリストを使用する.locか[]、リストとともに使用することは非推奨になりました.reindex。だから、あなたの質問への答えは：

df1 = df.reindex(columns=['b','c'])

以前のバージョンでは、.loc[list-of-labels]少なくとも1つのキーが見つかった場合に限り使用できました（そうでない場合はが発生しましたKeyError）。この動作は廃止され、警告メッセージが表示されるようになりました。推奨される代替手段はを使用すること.reindex()です。

データのインデックス作成と選択で詳細を読む

パンダが使えます。DataFrameを作成します。

    import pandas as pd
    df = pd.DataFrame([[1, 2,5], [5,4, 5], [7,7, 8], [7,6,9]], 
                      index=['Jane', 'Peter','Alex','Ann'],
                      columns=['Test_1', 'Test_2', 'Test_3'])

データフレーム：

           Test_1  Test_2  Test_3
    Jane        1       2       5
    Peter       5       4       5
    Alex        7       7       8
    Ann         7       6       9

1つ以上の列を名前で選択するには：

    df[['Test_1','Test_3']]

           Test_1  Test_3
    Jane        1       5
    Peter       5       5
    Alex        7       8
    Ann         7       9

次のものも使用できます。

    df.Test_2

そして、列を取得します Test_2

    Jane     2
    Peter    4
    Alex     7
    Ann      6

を使用して、これらの行から列と行を選択することもできます.loc()。これは「スライス」と呼ばれます。列Test_1からTest_3

    df.loc[:,'Test_1':'Test_3']

「スライス」は：

            Test_1  Test_2  Test_3
     Jane        1       2       5
     Peter       5       4       5
     Alex        7       7       8
     Ann         7       6       9

そして、あなたが望むだけPeterでAnn、列Test_1とからTest_3：

    df.loc[['Peter', 'Ann'],['Test_1','Test_3']]

あなたが得る：

           Test_1  Test_3
    Peter       5       5
    Ann         7       9

行インデックスと列名で1つの要素を取得する場合は、のように実行できますdf['b'][0]。想像するのと同じくらい簡単です。

またはdf.ix[0,'b']、インデックスとラベルを組み合わせて使用​​することもできます。

注： v0.20以降ixはloc/ が代わりに廃止されましたiloc。

1つの異なる簡単なアプローチ：行の反復

iterowsの使用

 df1= pd.DataFrame() #creating an empty dataframe
 for index,i in df.iterrows():
    df1.loc[index,'A']=df.loc[index,'A']
    df1.loc[index,'B']=df.loc[index,'B']
    df1.head()

上記の応答で説明されているさまざまなアプローチは、ユーザーがドロップまたはサブセット化する列インデックスを知っているか、列の範囲を使用してデータフレームをサブセット化することを想定している（たとえば、「C」：「E」の間） 。pandas.DataFrame.dropは、（） （あなたは常にデータフレームとのコピーを使用することを慎重にする必要がありけれども、確かにユーザーによって定義された列のリストに基づいて、サブセットデータにオプションでインプレースのパラメータをに設定すべきではない本当 !!）

別のオプションは、列名に設定された違いを実行し、目的の列を含む配列のインデックスタイプを返すpandas.columns.difference（）を使用することです。以下は解決策です：

df = pd.DataFrame([[2,3,4],[3,4,5]],columns=['a','b','c'],index=[1,2])
columns_for_differencing = ['a']
df1 = df.copy()[df.columns.difference(columns_for_differencing)]
print(df1)

出力は次のようになります。 b c 1 3 4 2 4 5

df.pop（）を使用することもできます

>>> df = pd.DataFrame([('falcon', 'bird',    389.0),
...                    ('parrot', 'bird',     24.0),
...                    ('lion',   'mammal',   80.5),
...                    ('monkey', 'mammal', np.nan)],
...                   columns=('name', 'class', 'max_speed'))
>>> df
     name   class  max_speed
0  falcon    bird      389.0
1  parrot    bird       24.0
2    lion  mammal       80.5
3  monkey  mammal 

>>> df.pop('class')
0      bird
1      bird
2    mammal
3    mammal
Name: class, dtype: object

>>> df
     name  max_speed
0  falcon      389.0
1  parrot       24.0
2    lion       80.5
3  monkey        NaN

これが役立つ場合は、df.pop（c）を使用してください

私はそれについていくつかの答えを見てきましたが、私にはわかりませんでした。関心のある列をどのように選択しますか？その答えは、それらをリストに集めた場合、リストを使用して列を参照するだけでよいということです。

例

print(extracted_features.shape)
print(extracted_features)

(63,)
['f000004' 'f000005' 'f000006' 'f000014' 'f000039' 'f000040' 'f000043'
 'f000047' 'f000048' 'f000049' 'f000050' 'f000051' 'f000052' 'f000053'
 'f000054' 'f000055' 'f000056' 'f000057' 'f000058' 'f000059' 'f000060'
 'f000061' 'f000062' 'f000063' 'f000064' 'f000065' 'f000066' 'f000067'
 'f000068' 'f000069' 'f000070' 'f000071' 'f000072' 'f000073' 'f000074'
 'f000075' 'f000076' 'f000077' 'f000078' 'f000079' 'f000080' 'f000081'
 'f000082' 'f000083' 'f000084' 'f000085' 'f000086' 'f000087' 'f000088'
 'f000089' 'f000090' 'f000091' 'f000092' 'f000093' 'f000094' 'f000095'
 'f000096' 'f000097' 'f000098' 'f000099' 'f000100' 'f000101' 'f000103']

extracted_features63列を指定する次のリスト/ numpy配列があります。元のデータセットには10​​3列あり、それらを正確に抽出したいので、

dataset[extracted_features]

そして、あなたはこれで終わります

これは、機械学習で（より具体的には、機能選択で）よく使用するものです。他の方法についても説明したいと思いますが、それはすでに他のスタックオーバーフラワーでカバーされていると思います。これがお役に立てば幸いです！

pandas.DataFrame.filterメソッドを使用して、次のように列をフィルタリングまたは並べ替えることができます。

df1 = df.filter(['a', 'b'])

df[['a','b']] # select all rows of 'a' and 'b'column 
df.loc[0:10, ['a','b']] # index 0 to 10 select column 'a' and 'b'
df.loc[0:10, ['a':'b']] # index 0 to 10 select column 'a' to 'b'
df.iloc[0:10, 3:5] # index 0 to 10 and column 3 to 5
df.iloc[3, 3:5] # index 3 of column 3 to 5