在Pandas中，从DataFrame中提取列数据有多种灵活且高效的方法。下面将详细介绍几种核心方法，并结合具体场景和代码示例进行说明。 ### **一、 基础列提取方法** #### **1. 使用方括号 `[]` 或点号 `.` 操作符** 这是最简单直接的列提取方式，适用于列名已知且不含特殊字符（如空格）的情况。 ```python import pandas as pd # 创建一个示例DataFrame [ref_1] data = { '姓名': ['张三', '李四', '王五'], '年龄': [25, 30, 35], '城市': ['北京', '上海', '广州'] } df = pd.DataFrame(data) # 方法1: 使用方括号提取单列，返回一个Series对象 [ref_2][ref_4] series_name = df['姓名'] print("提取‘姓名’列（Series）:") print(series_name) print("类型:", type(series_name)) # 方法2: 使用点号操作符（列名必须是有效的Python标识符）[ref_6] series_age = df.年龄 print("\n提取‘年龄’列（使用点号）:") print(series_age) # 方法3: 提取多列，返回一个DataFrame [ref_1][ref_3] df_subset = df[['姓名', '城市']] print("\n提取‘姓名’和‘城市’两列（DataFrame）:") print(df_subset) print("类型:", type(df_subset)) ``` #### **2. 使用 `loc` 和 `iloc` 索引器** 这两种方法提供了更强大的行、列组合索引能力。 * **`loc`**: 基于**标签**（label）进行索引，即列名。 * **`iloc`**: 基于**整数位置**（integer-location）进行索引，即列的序号（从0开始）。 ```python # 使用loc基于列名提取 [ref_1][ref_4] # 提取‘城市’列 (所有行) city_loc = df.loc[:, '城市'] # `:` 表示所有行 print("使用loc提取‘城市’列:") print(city_loc) # 使用loc提取多列 multi_loc = df.loc[:, ['姓名', '年龄']] print("\n使用loc提取‘姓名’和‘年龄’列:") print(multi_loc) # 使用iloc基于整数位置提取 [ref_1][ref_5] # 提取第1列（索引0，即‘姓名’列） name_iloc = df.iloc[:, 0] print("\n使用iloc提取第1列（‘姓名’）:") print(name_iloc) # 提取第1列和第3列（索引0和2） subset_iloc = df.iloc[:, [0, 2]] print("\n使用iloc提取第1列和第3列:") print(subset_iloc) # 组合提取特定行和列：提取第0、1行，第1、2列 [ref_4] subset_combo = df.iloc[0:2, 1:3] # 行切片0:2，列切片1:3 print("\n使用iloc提取第0-1行，第1-2列:") print(subset_combo) ``` ### **二、 高级提取与筛选方法** #### **1. 基于条件筛选提取列** 有时我们需要提取满足特定条件的数据所对应的列。这通常与行筛选结合。 ```python # 创建一个包含成绩的DataFrame [ref_1] data_scores = { '学生': ['小明', '小红', '小刚'], '数学': [85, 92, 78], '英语': [88, 95, 80], '物理': [90, 88, 85] } df_scores = pd.DataFrame(data_scores) # 筛选出数学成绩大于80分的学生的所有列数据 [ref_1] df_math_high = df_scores[df_scores['数学'] > 80] print("数学成绩>80的学生数据:") print(df_math_high) # 筛选出数学成绩大于80分的学生的‘学生’和‘英语’列 [ref_1] df_filtered = df_scores.loc[df_scores['数学'] > 80, ['学生', '英语']] print("\n数学成绩>80的学生的‘学生’和‘英语’列:") print(df_filtered) ``` #### **2. 使用 `filter` 方法** `filter`方法可以根据列名的子字符串、正则表达式或列表来筛选列，非常灵活。 ```python # 筛选列名包含特定字符串的列 [ref_3] df_filtered_by_items = df_scores.filter(items=['学生', '数学']) # 精确匹配列名 print("筛选‘学生’和‘数学’列:") print(df_filtered_by_items) # 筛选列名匹配正则表达式的列 (如列名以‘学’开头) df_filtered_by_regex = df_scores.filter(regex='^学') print("\n筛选列名以‘学’开头的列:") print(df_filtered_by_regex) # 筛选列名包含‘语’的列 df_filtered_like = df_scores.filter(like='语') print("\n筛选列名包含‘语’的列:") print(df_filtered_like) ``` ### **三、 实际应用场景示例** #### **场景1：从大型数据集中提取特定字段进行分析** 假设我们有一个销售数据集，需要提取金额相关的列进行计算。 ```python # 模拟销售数据 sales_data = { '订单号': ['A001', 'A002', 'A003', 'A004'], '产品': ['手机', '电脑', '平板', '手机'], '单价': [3000.0, 6000.0, 2500.0, 3000.0], '数量': [2, 1, 3, 1], '折扣': [0.1, 0.05, 0.0, 0.15], '客户类型': ['新客户', '老客户', '新客户', '老客户'] } df_sales = pd.DataFrame(sales_data) # 计算每单的销售额和折后价，需要提取‘单价’、‘数量’、‘折扣’列 [ref_3] # 提取相关数值列 price_series = df_sales['单价'] quantity_series = df_sales['数量'] discount_series = df_sales['折扣'] # 进行计算 df_sales['销售额'] = price_series * quantity_series df_sales['折后价'] = price_series * quantity_series * (1 - discount_series) print("销售数据（含计算列）:") print(df_sales) # 提取所有数值型列进行统计分析 [ref_1] numeric_cols = df_sales.select_dtypes(include=['int64', 'float64']).columns df_numeric = df_sales[numeric_cols] print("\n数值型列数据:") print(df_numeric) print("\n数值列的描述性统计:") print(df_numeric.describe()) # [ref_1] ``` #### **场景2：处理时间序列数据，提取年月日等时间成分** 在处理包含日期时间的数据时，经常需要提取日期中的特定成分。 ```python # 创建一个带日期索引的DataFrame date_rng = pd.date_range(start='2023-01-01', end='2023-01-10', freq='D') df_time = pd.DataFrame(date_rng, columns=['date']) df_time['value'] = range(len(date_rng)) # 将‘date’列设为索引 df_time.set_index('date', inplace=True) print("原始时间序列数据:") print(df_time) # 提取索引（日期）的年份、月份、日作为新列 [ref_3] df_time['year'] = df_time.index.year df_time['month