Python 如何对不包括某些指定索引的Pandas对象执行切片（使用ix、loc、iloc）操作

许多

ix

，

loc

，

iloc

操作指定要选择的索引。我想做相反的事。我只想排除几列，然后选择其余的。我该怎么做呢。即，指定需要排除而不是包含的索引

例如，一些伪代码

a.iloc[~1:3, :]
a.loc[~['A', 'B'], :]

我在寻找上述伪代码中的性能、内存使用和简洁性

---

注意：数据帧很大，一个轴上的数据量很大，其他轴上的数据量相对较少。

您可以

拖放

或选择所需的数据：

df.drop(df.columns[[1, 2]], axis=1, inplace=True)

# drop by Name
df1 = df1.drop(['D', 'E'], axis=1)

## Select the ones you want
df1 = df[['a','d']]

还有一个新的你可以调用索引。所以除了D列和E列以外的所有东西：

 df2 = df[df.columns.difference(['D', 'E'])]

希望这有帮助

使用

假设您有一个切片

[1:3]

，您希望得到不在该切片中的所有行。使用

difference

和

loc

idx = df.index.difference(df.index[1:3])
df.loc[idx]

df.iloc[np.r_[0:1, 3:], :]

如果我们知道行名，我们也可以做同样的事情

idx = df.index.difference(['A', 'B'])
df.loc[idx]

旧答案

使用

np.r

为

iloc

idx = df.index.difference(df.index[1:3])
df.loc[idx]

df.iloc[np.r_[0:1, 3:], :]

对于

loc

。。。使用

drop

df.drop(['A', 'B'])

---

如果知道要排除的列的索引，只需对从df.columns中提取的列数组进行切片，以获得数据帧中所需的列。例如：

df[df.columns[2:5]]

如果您不知道索引，但知道它们的名称，只需将其从列数组中删除，再次从df.columns中提取。例如：

df[df.columns[(df.columns != "col_A") & (df.columns != "col_B")]]