Pandas：根据存在的条件选择dataframe中的列

在本文中，我们将介绍如何在Pandas中根据存在的条件来选择dataframe中的列。

阅读更多：Pandas 教程

为什么选择dataframe中的列？

在数据分析中，我们经常需要处理包含大量变量的数据集。选择感兴趣的列可以减少数据集大小，并将注意力集中在有助于解决问题的列上。

例如，在以下dataframe中，我们只关心“姓名”和“性别”列。

在这种情况下，选择“姓名”和“性别”列会使数据集更简洁易读。

Pandas如何选择列

Pandas提供了多种方法来选择dataframe中的列。这里我们介绍两个方法。

方法一：用条件筛选所需的列

在Pandas中，我们可以使用“df.columns”来获取dataframe中的所有列名。然后使用条件来选择想要的列。

# 创建一个示例dataframe：
import pandas as pd
data = {'Name': ['John', 'Alice', 'Bob'],
        'Age': [25, 27, 22],
        'Gender': ['Male', 'Female', 'Male'],
        'Phone': [123456789, 987654321, 555555555]}
df = pd.DataFrame(data)

首先，让我们在列名中查找包含“sex”字符串的列名。我们可以使用Pandas的str.contains()方法来查找含有字符串“sex”的列名。

# 查找含有字符串“sex”的列名:
sex_cols = df.columns[df.columns.str.contains('sex', case=False)].tolist()
print(sex_cols)

输出结果为：

['Gender']

现在我们有了要筛选的列名“Gender”，我们可以通过以下方式仅选择该列：

# 选择“Gender”列：
df_sex = df[sex_cols]
print(df_sex)

输出结果为：

   Gender
0    Male
1  Female
2    Male

方法二：用try/except语句选择不存在的列

在实际数据处理中，我们经常需要处理复杂的数据集。可能存在一些列名未知或变量不确定的情况。在这种情况下，我们可以使用try / except语句来处理列不存在的情况。

例如，在以下dataframe中，我们想要选择“姓名”、“性别”和“毕业时间”列。但是，“毕业时间”列名不确定，甚至可能不存在于dataframe中。

为了实现此目的，我们可以编写以下代码：

# 创建一个示例dataframe：
data = {'Name': ['John', 'Alice', 'Bob'],
        'Gender': ['Male', 'Female', 'Male'],
        'Graduated Date': ['2020-01-01', '2020-02-01', '2020-03-01']}
df = pd.DataFrame(data)

# 用try / except语句选择不存在的列
selected_cols = []
for col in ['Name', 'Gender', 'Graduated Date']:
    try:
        selected_cols.append(df[col])
    except KeyError:
        print(col + ' not exist in dataframe')
selected_df = pd.concat(selected_cols, axis=1)
print(selected_df)

输出结果为：

Graduated Date not exist in dataframe

    Name  Gender
0   John    Male
1  Alice  Female
2    Bob    Male

总结

本文介绍了两种方法来选择dataframe中的列，包括利用条件选择列和用try / except语句选择不存在的列。这些方法能够帮助我们在数据分析中更有效地处理数据集。我们可以根据具体情况选择不同的方法来实现目标，同时还可以根据需要对这些方法进行更多的扩展和优化。