Python 基于缺少列名对数据帧进行切片时出错

我有一个包含多个索引和列的数据框架 我想根据一些列名对这个数据帧进行切片，但有时给定的列名不在数据帧中。Pandas发出警告，使用

.reindex

而不是

.loc

，但我发现了奇怪的结果。为了澄清，让我们加载数据帧

import pandas as pd
d2 = pd.read_csv('https://docs.google.com/uc?id=1Ufx6pvnSC6zQdTAj05ObmV027fA4-Mr3&export=download', index_col=[0,1])
d2.head(3)

结果是：

..............................................
:          :      : ind475 : ind476 : ind456 :
:..........:......:........:........:........:
: Country  : Year :        :        :        :
: Argentin : 1966 :   6.15 :   7.77 : NaN    :
:          : 1967 :   8.33 :   9.81 : NaN    :
:          : 1968 :   9.19 :   10.2 : NaN    :
:..........:......:........:........:........:

如果我们使用现有列进行切片，则没有问题：

indicators_list = ['ind475', 'ind456']
idx = pd.IndexSlice
d3 = d2.loc[idx[:,:], idx[indicators_list]]
d3.dropna(axis=0, how='all').dropna(axis=1, how='all').shape

Out>>（10006,2）

但是，如果我们使用一个或多个缺少的列进行切片，则会引发一个错误，但它是有效的

indicators_list = ['ind475', 'ind179']
d4 = d2.loc[idx[:,:], idx[indicators_list]]
d4.dropna(axis=0, how='all').dropna(axis=1, how='all').shape

Out>>（2672,1） 红色警告

FutureWarning: 
Passing list-likes to .loc or [] with any missing label will raise
KeyError in the future, you can use .reindex() as an alternative.

See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#deprecate-loc-reindex-listlike
  return self._getitem_nested_tuple(tup)

我尝试使用警告建议的reindex，如中所示，但结果是没有

indicators_list = ['ind475', 'ind179']
d5 = d2.reindex(columns=[indicators_list])
d5.dropna(axis=0, how='all').dropna(axis=1, how='all').shape

输出：>>（0，0）

---

如何在没有警告或错误的情况下进行切片并获得正确的大小？

我相信您需要使用

isin

的筛选列名称（然后在必要时删除

NaN

s列）：

或：

如果使用多索引，请使用：

---

啊，我带着同样的东西来这里你的意思是如果多重索引也在列上，对吗？因为我的示例是行的多索引。是的，对于索引中的多索引，需要

df2[df2.columns.get\u level\u values（0.isin（indicators\u list）]）

在Python 3.5.2中使用

.reindex

运行代码时，它似乎工作正常。d5.dropna（…）的形状与预期的一样

（2672，1）

…@Snowbunting，我在Python3.6上运行它，通过anaconda使用所有最新的库

indicators_list = ['ind475', 'ind179']
print (df2.loc[:, df2.columns.isin(indicators_list)])

print (df2[df2.columns[df2.columns.isin(indicators_list)]])

print (df2.loc[:, df2.columns.get_level_values(0).isin(indicators_list)])