Pandas如何获取每隔n列的数据

在本文中，我们将介绍如何使用Pandas获取每隔n列的数据。在数据科学中，当我们处理一些大型数据集时，经常会遇到需要过滤指定数据列的情况。如果我们需要处理的数据集一旦变得庞大，那么只获取需要处理的一些列，可以节省大量的时间和资源。因此，学习如何筛选你需要的每隔n列，是处理大型数据集非常重要的基本技能。

阅读更多：Pandas 教程

使用iloc方法获取每隔n列的数据

Pandas提供了一个名为iloc的方法来选择每隔n列的数据。iloc方法可以通过列索引或标签来获取DataFrame的数据。iloc方法可以使用两个冒号(::)来实现筛选每隔n列的数据。下面是示例代码：

import pandas as pd  
data = pd.read_csv('sample.csv')  

#获取每隔2列的数据
new_data = data.iloc[:,::2]

以上代码使用read_csv方法读取一个包含数据的CSV文件。我们使用 iloc 方法从原始数据中获取每隔 2 列的数据。第一个冒号后面为空，表示获取全部的行数；第二个冒号后面为2，表示间隔为2列，即每隔一列获取一个值。最后，我们将获取的数据存储在一个新的DataFrame中，名为new_data。

使用loc方法获取每隔n列的数据

loc方法也可以用于获取DataFrame的数据。它使用的是行标签和列标签来获取数据。下面是示例代码：

import pandas as pd  
data = pd.read_csv('sample.csv')

#获取每隔3列的数据
new_data = data.loc[:, data.columns[::3]]

以上代码演示了如何获取每隔3列的数据。 loc 方法的第一行代码与 iloc 代码类似：loc 方法中的两个冒号(::)也表示筛选列的步骤。而不同的是，第二行中 data.columns 是列标签的列表（即表头），[::3] 表示间隔为3个标签，即每隔三个标签获取一个值。

使用numpy库获取每隔n列的数据

NumPy库是一个高性能科学计算和数据分析的库。使用NumPy的步进操作可以轻松地获取每隔n列的数据。下面是示例代码：

import pandas as pd  
import numpy as np  
data = pd.read_csv('sample.csv')  

#获取每隔4列的数据
cols = np.arange(0, data.shape[1], 4)
new_data = data.iloc[:, cols]

以上代码使用NumPy的arange方法获取“[0, 4, 8, …]”的列表。然后，我们使用 iloc 方法来从原始数据中获取每隔4列的数据。

列表推导式获取每隔n列的数据

Python的列表推导式也可以用于获取每隔n列的数据。下面是示例代码：

import pandas as pd  
data = pd.read_csv('sample.csv')

#获取每隔5列的数据
new_data = data[[col for idx, col in enumerate(data.columns) if idx % 5 == 0]]

以上代码使用列表推导式，通过检查列索引的余数，获取每隔5列的数据。

总结

Pandas是一个用于数据分析和处理的强大开源库。在这篇文章中，我们介绍了如何使用iloc、loc、NumPy库和列表推导式获取每隔n列的数据。 根据你的实际需求，选择任何一种方法都可以快速筛选出你需要的数据，从而提高数据处理和分析的效率。希望这篇文章可以帮助你理解如何获取你感兴趣的每隔n列的数据。