З версії 0.11.0 стовпці можна нарізати так, як ви намагалися використовувати .loc
індексатор:
df.loc[:, 'C':'E']
еквівалентно
df[['C', 'D', 'E']] # or df.loc[:, ['C', 'D', 'E']]
і повертає стовпці C
наскрізь E
.
Демонстрація на випадково створеному DataFrame:
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
Щоб отримати стовпці від C до E (зауважте, що на відміну від цілого нарізання, у стовпці включено "E"):
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
...
Те саме працює з вибором рядків на основі міток. Отримайте рядки "R6" до "R10" з цих стовпців:
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
також приймає булевий масив, щоб ви могли вибрати стовпці, відповідним записом яких є масив True
. Наприклад, df.columns.isin(list('BCD'))
return array([False, True, True, True, False, False], dtype=bool)
- True, якщо назва стовпця є у списку ['B', 'C', 'D']
; Неправдиво, інакше.
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
...
.ix
як це неоднозначно. Використовуйте.iloc
або.loc
якщо потрібно.