选取列

提取一个或多个列是在处理 DataFrame 时最常见的任务之一。也许您只需要从一个更大的数据集中获取姓名和年龄，或者您想对某个数值列执行计算。Pandas 提供了直接的方法来实现这一点。

让我们从一个示例 DataFrame 开始，以演示这些原理。假设我们有关于个人的数据，包括他们的姓名、年龄、城市和薪资：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston'],
        'Salary': [70000, 80000, 90000, 100000]}
df = pd.DataFrame(data)

print("Original DataFrame:")
print(df)

Output:

Original DataFrame:
      Name  Age         City  Salary
0    Alice   25     New York   70000
1      Bob   30  Los Angeles   80000
2  Charlie   35      Chicago   90000
3    David   40      Houston  100000

选取单个列

选取单个列最直接的方法是使用方括号 []，并在其中放入列名（字符串形式）：

# 选取 'Name' 列
names = df['Name']

print("Selected 'Name' column:")
print(names)
print("\nType of the selected object:", type(names))

Output:

Selected 'Name' column:
0      Alice
1        Bob
2    Charlie
3      David
Name: Name, dtype: object

Type of the selected object: <class 'pandas.core.series.Series'>

请注意，以这种方式选取单个列会返回一个 Pandas Series 对象，而不是 DataFrame。Series 类似于一个一维带标签数组，它保存了该列的数据及其索引。

选取多个列

要选取多个列，您再次使用方括号 []。然而，在方括号内，您需要提供一个您想选取的列名列表：

# 选取 'Name' 和 'City' 列
subset = df[['Name', 'City']]

print("Selected 'Name' and 'City' columns:")
print(subset)
print("\nType of the selected object:", type(subset))

Output:

Selected 'Name' and 'City' columns:
      Name         City
0    Alice     New York
1      Bob  Los Angeles
2  Charlie      Chicago
3    David      Houston

Type of the selected object: <class 'pandas.core.frame.DataFrame'>

重要说明：当您在方括号 [['Col1', 'Col2']] 内使用列表选取多列时，结果是一个新的 DataFrame，它只包含您指定的列，并按您列出的顺序排列。

另一种方法：点表示法

Pandas 也允许使用点表示法访问单个列，类似于访问对象的属性，前提是列名是有效的 Python 标识符（例如，没有空格，不以数字开头，不与现有 DataFrame 方法冲突）：

# 使用点表示法选取 'Age' 列
ages_dot = df.Age

print("Selected 'Age' column using dot notation:")
print(ages_dot)
print("\nType of the selected object:", type(ages_dot))

Output:

Selected 'Age' column using dot notation:
0    25
1    30
2    35
3    40
Name: Age, dtype: int64

Type of the selected object: <class 'pandas.core.series.Series'>

与选取单个列的方括号表示法一样，点表示法也返回一个 Series。

为何更推荐方括号表示法 ([])？

尽管点表示法在快速访问时可能很方便，但通常推荐使用方括号表示法（df['Column'] 或 df[['Col1', 'Col2']]）来选取列，特别是对于初学者，原因有以下几点：

1. 适用所有列名： 方括号表示法适用于任何列名，包括那些包含空格、特殊字符或数字的列名（例如，df['First Name']，df['Sales 2023']）。点表示法对此类名称无效。
2. 避免冲突： 列名可能与现有 DataFrame 方法或属性冲突（例如，如果您有一个名为 count 的列，df.count 将指代方法，而非您的列）。方括号表示法（df['count']）避免了这种歧义。
3. 一致性： 方括号表示法用于选取单列和多列（通过传递字符串或字符串列表）。它也与我们很快会看到的 .loc 和 .iloc 索引器密切相关，提供更一致的语法模式。
4. 赋值： 为列赋值需要使用方括号表示法（例如，df['New Column'] = values）。

基于这些原因，尽管您可能会在示例中遇到点表示法，但坚持使用方括号表示法进行列选取有助于编写更清晰、更不易出错的代码。

选取合适的列通常是您为进一步分析或处理选取所需数据的第一步。接下来，我们将了解如何将列选取与行选取结合起来，以实现更强大的数据获取。