web-dev-qa-db-ja.com

リストでpandasデータフレーム列を選択

スクリプトの1つで、列名のリストを使用して、データフレームの複数の列を選択しています。次のコードが機能します。

data = df[lst]

リストのすべての要素がデータフレームに含まれている限り、正常に機能します。そうでない場合は、エラー「 '....' not in index」を返します。

リストのすべての要素がデータフレームに含まれていなくても、そのリストに列名が含まれるすべての列を選択する可能性はありますか？

python-3.xpandasdataframe
10
csander

Index.intersection が必要だと思います：

df = pd.DataFrame({'A':[1,2,3],
                   'B':[4,5,6],
                   'C':[7,8,9],
                   'D':[1,3,5],
                   'E':[5,3,6],
                   'F':[7,4,3]})

print (df)
   A  B  C  D  E  F
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

lst = ['A','R','B']

print (df.columns.intersection(lst))
Index(['A', 'B'], dtype='object')

data = df[df.columns.intersection(lst)]
print (data)
   A  B
0  1  4
1  2  5
2  3  6

numpy.intersect1d を使用した別のソリューション：

data = df[np.intersect1d(df.columns, lst)]
print (data)
   A  B
0  1  4
1  2  5
2  3  6
25
jezrael

他のいくつかの方法、およびリストの理解ははるかに高速です

In [1357]: df[df.columns & lst]
Out[1357]:
   A  B
0  1  4
1  2  5
2  3  6

In [1358]: df[[c for c in df.columns if c in lst]]
Out[1358]:
   A  B
0  1  4
1  2  5
2  3  6

タイミング

In [1360]: %timeit [c for c in df.columns if c in lst]
100000 loops, best of 3: 2.54 µs per loop

In [1359]: %timeit df.columns & lst
1000 loops, best of 3: 231 µs per loop

In [1362]: %timeit df.columns.intersection(lst)
1000 loops, best of 3: 236 µs per loop

In [1363]: %timeit np.intersect1d(df.columns, lst)
10000 loops, best of 3: 26.6 µs per loop

詳細

In [1365]: df
Out[1365]:
   A  B  C  D  E  F
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

In [1366]: lst
Out[1366]: ['A', 'R', 'B']
3
Zero

使用する *リスト付き

data = df[[*lst]]

望ましい結果が得られます。

0
Avinash