Python 如何使用pandas子集数据帧？

我想对可能相邻也可能不相邻的列进行子集划分。在这个试点案例中，只有39列，所以写出完整的列名是可能的，但很繁琐。我试图做的只是基于索引的子集列

df_sub = df.iloc[:,[10,11,29:37]]

但我得到了这个错误：

File "<ipython-input-46-d9362578c302>", line 1
    df_sub = df.iloc[:,[10,11,29:37]]
                                ^
SyntaxError: invalid syntax

文件“”，第1行
df_sub=df.iloc[：，[10,11,29:37]]
^
SyntaxError:无效语法

有没有一种方法可以使用列索引对列进行子集划分，这些列索引可能不相邻

---

在谷歌上搜索类似的内容，只显示了基于列名、相邻索引或分别输入每个索引（例如）的子集设置方法。如果有100个色谱柱的混合物呢？

您可以尝试以下方法：

g = lambda x,y: range(x,y)

[10,11,*g(29,37)]

---

---

时间比较：

%%timeit -n 1000000
np.r_[10,11,29:37]

每个回路12.4µs±123 ns（7次运行的平均值±标准偏差，每个1000000个回路）

每个回路338纳秒±3.94纳秒（7次运行的平均值±标准偏差，100000个回路 （各）

---

我不推荐这样做：

[10,11，*list（范围（29,37））]

这是一个简单的答案。谢谢，小女孩。推荐的方法是什么？事实上我现在才想到这个。一定还有其他更好的办法。等待其他答案。是的@Ch3steR，“切片”是我错过的术语。这也许就是为什么我很难找到答案的原因。今天我们学到了一些东西。你为什么不推荐你在评论中写的代码？缓慢的副作用？@user1828605：我不确定它的性能，但它似乎更快。我的意思是，我们在这里用了几微秒。所分析的唯一计算成本是调用numpy函数可能产生的任何开销

%%timeit -n 1000000
np.r_[10,11,29:37]

%%timeit -n 1000000
g = lambda x,y: range(x,y)
[10,11,*g(29,37)]