Python 3.x 如何基于列表访问数据帧中的某些列？

我创建了一个数据帧：

将熊猫作为pd导入
随机输入
数据=[[random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1）]，random，[random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1）]]
df=pd.DataFrame（数据，列=[“A”、“B”、“C”、“D”、“E”]）

数据帧如下所示：

    A           B           C           D           E
0   0.736739    0.092037    0.727951    0.086899    0.092297
1   0.047031    0.283759    0.103112    0.047058    0.025392
2   0.955045    0.377484    0.235842    0.355152    0.054702
3   0.426293    0.308971    0.304042    0.021517    0.399164
4   0.415225    0.230748    0.263462    0.310682    0.487341
5   0.936775    0.411212    0.073169    0.317453    0.070046

abcde
0  0.736739  0.184075  0.727951  0.173798  0.184594
1  0.047031  0.567518  0.103112  0.094116  0.050785
2  0.955045  0.754968  0.235842  0.710304  0.109404
3  0.426293  0.617942  0.304042  0.043034  0.798327
4  0.415225  0.461497  0.263462  0.621364  0.974682
5  0.936775  0.822425  0.073169  0.634906  0.140092

我现在想做的是将某些列划分为2。在这种情况下，我想将B、d和E列划分为2。为此，我想使用一个列表。因为在我真正的问题中，索引是权益名称，我想划分的索引保存在一个列表中

这就是我尝试的：

list=[“B”、“D”、“E”]
df1=df[df.列.交点（列表）]*0.5
打印（df1）

结果如下所示：

    A           B           C           D           E
0   0.736739    0.092037    0.727951    0.086899    0.092297
1   0.047031    0.283759    0.103112    0.047058    0.025392
2   0.955045    0.377484    0.235842    0.355152    0.054702
3   0.426293    0.308971    0.304042    0.021517    0.399164
4   0.415225    0.230748    0.263462    0.310682    0.487341
5   0.936775    0.411212    0.073169    0.317453    0.070046

bde
0  0.092038  0.086899  0.092297
1  0.283759  0.047058  0.025392
2  0.377484  0.355152  0.054702
3  0.308971  0.021517  0.399164
4  0.230749  0.310682  0.487341
5  0.411212  0.317453  0.070046

但是我得到的只是一个数据帧，它只包含列表中的列。我希望我的结果将包含新的计算值加上列表中不包含的列中的旧值

结果应该如下所示：

    A           B           C           D           E
0   0.736739    0.092037    0.727951    0.086899    0.092297
1   0.047031    0.283759    0.103112    0.047058    0.025392
2   0.955045    0.377484    0.235842    0.355152    0.054702
3   0.426293    0.308971    0.304042    0.021517    0.399164
4   0.415225    0.230748    0.263462    0.310682    0.487341
5   0.936775    0.411212    0.073169    0.317453    0.070046

abcde
0  0.736739  0.092038  0.727951  0.086899  0.092297
1  0.047031  0.283759  0.103112  0.047058  0.025392
2  0.955045  0.377484  0.235842  0.355152  0.054702
3  0.426293  0.308971  0.304042  0.021517  0.399164
4  0.415225  0.230749  0.263462  0.310682  0.487341
5  0.936775  0.411212  0.073169  0.317453  0.070046

有人知道我如何解决这个问题吗？ 非常感谢你的帮助

---

致以最诚挚的问候！

我喜欢在for循环中解决这个问题，循环遍历包含列名称的列表。您也可以使用它添加新名称（方法2）：

原始数据帧（首次打印）：

第二个数据帧（第二次打印）：

方法2： 输出：

          A         B         C         D         E     new B     new D     new E
0  0.735067  0.213327  0.416205  0.235860  0.094208  0.106664  0.117930  0.047104
1  0.150027  0.524437  0.393283  0.783323  0.520855  0.262218  0.391661  0.260428
2  0.146858  0.328530  0.288445  0.101783  0.286224  0.164265  0.050892  0.143112
3  0.512124  0.302685  0.062246  0.152522  0.536951  0.151343  0.076261  0.268476
4  0.358646  0.928946  0.766012  0.808933  0.002960  0.464473  0.404466  0.001480
5  0.735067  0.436962  0.796247  0.499950  0.048898  0.218481  0.249975  0.024449

试试这个：

df[['B','D','E']] = df[['B','D','E']]*0.5

@在一次建议的编辑中指出，使用

*=

df.loc[:, ['B', 'D', 'E']] *= 0.5, 

df

现在看起来像这样：

    A           B           C           D           E
0   0.736739    0.092037    0.727951    0.086899    0.092297
1   0.047031    0.283759    0.103112    0.047058    0.025392
2   0.955045    0.377484    0.235842    0.355152    0.054702
3   0.426293    0.308971    0.304042    0.021517    0.399164
4   0.415225    0.230748    0.263462    0.310682    0.487341
5   0.936775    0.411212    0.073169    0.317453    0.070046

---

首先创建原始数据帧的副本，以不修改此内容：

df1=df.copy()

---

然后您可以使用或

*

：

df1[['B','D','E']] = df1[['B','D','E']].mul(0.5)

也可使用或

/

df1[['B','D','E']] = df1[['B','D','E']].div(2)

---

您可以使用下面的赋值函数

将熊猫作为pd导入
随机输入
数据=[[random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1）]，random，[random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1），random.uniform（0,1）]]
df=pd.DataFrame（数据，列=[“A”、“B”、“C”、“D”、“E”]）
lst=[“B”、“D”、“E”]
赋值（**{col:df[col]*0.5表示lst}中的col）

DataFrame.mul（系列）

---

---

没有必要使用assgin+循环对itI来说是不必要的。我认为这是一个聪明的回答问题的方法。不要让@ansev让你失望

df1

在我的场景中还没有创建。此外，始终可以选择创建深度副本，然后运行上面给出的操作。

df1[['B','D','E']] = df1[['B','D','E']].div(2)

# Can generalize to different numbers for each column.  
s = pd.Series(0.5, index=['B', 'D', 'E'])

# `reindex` as DataFrame.mul(Series) hasn't implemented `fill_value`
df.mul(s.reindex(df.columns).fillna(1))
 

          A         B         C         D         E
0  0.736739  0.092037  0.727951  0.086899  0.092297
1  0.047031  0.283759  0.103112  0.047058  0.025393
2  0.955045  0.377484  0.235842  0.355152  0.054702
3  0.426293  0.308971  0.304042  0.021517  0.399164
4  0.415225  0.230749  0.263462  0.310682  0.487341
5  0.936775  0.411212  0.073169  0.317453  0.070046