Python 使用训练数据帧列选择测试数据帧列

我有一个已经清理过的训练数据帧，它有原始测试数据帧所拥有的变量子集。我想创建一个新的测试数据框，它只保留训练数据框拥有的列

比如说,

train.columns=['A','D','E','G']

test.columns=['A','B','C','D','E','F','G']

---

如何创建只保留train.columns的新test_df？

假设每个

DataFrame

都有同名的列，那么您只需使用training

DataFrame

的

DataFrame.columns

属性和

[]

语法从test

DataFrame

中选择列即可

以下是一个工作示例：

$ train = pd.DataFrame([[0,1,2,3]],columns=['A','D','E','G'])
$ train
   A  D  E  G
0  0  1  2  3

$ test = pd.DataFrame([[0,1,2,3,4,5,6]],columns=['A','B','C','D','E','F','G'])
$ test
   A  B  C  D  E  F  G
0  0  1  2  3  4  5  6

$ test_df = test[train.columns]
$ test_df
   A  D  E  G
0  0  3  4  6

---

@ctj232如果没有至少15名代表，他们就无法投票。如果你对他们的问题投了更高的票，他们会有必要的代表对你投更高的票。说得好，谢谢@皮尔斯，工作了！非常感谢。如果它是一个numpy数组而不是一个数据帧，你知道如何做同样的事情吗？如果你仍然可以访问

数据帧

，那么它就像

测试测向值

一样简单，但我不知道如何直接从

数据帧

开始。如果您真的需要执行后一种操作，那么我认为您仍然可以使用

[]

索引语法。但是，如果您试图选择基于类

str

标签的列，那么我认为您应该继续使用

DataFrame

而不是

ndarray

。不过，也许我只是错过了你问题的背景。