Python数据帧修剪：pd.concat（）vs.df.drop（）vs.df2=df1[selectCols]

数据框

df1

包含列

Week

，

Mon

：

Sun

，

Total

以下是从df1中的列创建新数据帧“df2”的3种方法：

df2 = pd.concat(
    [df1.Sun,df1.Mon, 
    df1.Tues, df1.Weds,
    df1.Thurs, df1.Fri,
    df1.Sat], axis=1)

df2 = df1.drop(['Week', 'Total'], axis=1)

df2 = df1[['Sun','Mon','Tues','Weds','Thurs','Fri','Sat']]

---

这些有什么不同？在什么情况下，每种方法都有优势？

我认为主要的优势是处理时间。我举了你们的例子，制作了一些样本数据，并使用库对它们进行了比较。看起来选项2和3要快得多。如果有很多列并且不方便把它们全部写出来，我会使用选项2，反之亦然。希望这有帮助

import pandas as pd
import numpy as np
daysOfWeek = ['Sun','Mon','Tues','Weds','Thurs','Fri','Sat', 'Week', 'Total']

df1 = pd.DataFrame()

for i in range(0, len(daysOfWeek)):
    #create array with random numbers
    df1[daysOfWeek[i]] = np.random.randint(0,10,500)
print(df1.head())

第一个选项：100个回路，每个回路3:1.01 ms的最佳值

%%timeit -n 100
df2 = pd.concat(
    [df1.Sun,df1.Mon, 
    df1.Tues, df1.Weds,
    df1.Thurs, df1.Fri,
    df1.Sat], axis=1)

df2 = df1.drop(['Week', 'Total'], axis=1)

df2 = df1[['Sun','Mon','Tues','Weds','Thurs','Fri','Sat']]

第二个选项：100个回路，每个回路最好为3:743µs

%%timeit -n 100
df2 = pd.concat(
    [df1.Sun,df1.Mon, 
    df1.Tues, df1.Weds,
    df1.Thurs, df1.Fri,
    df1.Sat], axis=1)

df2 = df1.drop(['Week', 'Total'], axis=1)

df2 = df1[['Sun','Mon','Tues','Weds','Thurs','Fri','Sat']]

第三个选项：100个回路，每个回路最好为3:838µs

%%timeit -n 100
df2 = pd.concat(
    [df1.Sun,df1.Mon, 
    df1.Tues, df1.Weds,
    df1.Thurs, df1.Fri,
    df1.Sat], axis=1)

df2 = df1.drop(['Week', 'Total'], axis=1)

df2 = df1[['Sun','Mon','Tues','Weds','Thurs','Fri','Sat']]

---

这是R还是Python？如果您附加了一些示例或数据帧的一部分，那么测试这些方法会更容易，但不是第一个；它又长又丑，效率低下。其他两个取决于具体情况，例如，您可能选择相对较少的列或删除相对较少的列，如上面的示例所示。您可能还希望向代码读者明确选择（或删除）哪些列。我怀疑它们之间在内存使用方面有什么区别。同样，

drop

可以配置为通过传递

errors='ignore'

来删除可能存在或可能不存在的列。df2到底是什么？在这一步之前是否已初始化？