如何在pandas中选择除一个之外的所有列？

Question

我有一个看起来像这样的数据框：

          a         b         c         d
0  0.418762  0.042369  0.869203  0.972314
1  0.991058  0.510228  0.594784  0.534366
2  0.407472  0.259811  0.396664  0.894202
3  0.726168  0.139531  0.324932  0.906575

如何获取除了b之外的所有列？

- markov zain

---

@cs95 -- 目前列出的重复目标并不是重复的。尽管原标题如此，但链接的问题是“为什么这个特定的语法不起作用”，而这个问题是一个更一般的“做这件事的最佳方法是什么”。-- 另外还有从现有DataFrame中删除列与创建一个新的DataFrame，其中包含另一个DataFrame的除一个列之外的所有列之间的区别。 - R.M.

@R.M. 很抱歉，我不同意你对那篇帖子标题所做的编辑，因此我已经将其回滚。虽然OP的意图是质疑语法，但这篇文章已经发展成为解决如何删除列的更广泛问题。这篇文章中的答案与最受欢迎的帖子中的答案完全相同。重复内容保留。 - cs95

请注意，此问题正在Meta上讨论。 - Heretic Monkey

Answer 1

当列不是 MultiIndex 时，df.columns 只是一个包含列名的数组，因此可以这样使用：

df.loc[:, df.columns != 'b']

          a         c         d
0  0.561196  0.013768  0.772827
1  0.882641  0.615396  0.075381
2  0.368824  0.651378  0.397203
3  0.788730  0.568099  0.869127

- Marius

---

还不错，但我个人认为@mike使用drop的解决方案更好。这种方法更易读，并且可以处理多级索引。 - travc

我同意 @mike 使用 drop 的解决方案更好 - 我认为发现（单层）列是可以使用的数组很有用，但是特别是对于删除列来说，drop 很易读，而且在处理复杂索引时也能很好地工作。 - Marius

谢谢您提供这个很棒的答案。如果我没有标题，该如何处理？我该怎么解决？ - FabioSpaghetti

当您有多于1列需要忽略时该怎么办？ - Bruno Ambrozio

@Marius 这个适用于多列（比如两列）吗？ - MasayoMusic

试用的方法是 df.loc[:, (df.columns != 'b') & (df.columns != 'c')]然而，这种方法增长得太快了。我们也可以这样做from functools import reduce df.loc[:, reduce(lambda x, y: x & (df.columns != y), ["b", "c"], df.columns != "z")]并添加我们喜欢的列（假设我们没有列“z”）。但是，在这一点上，最好使用.drop()。 - an_drade

Answer 2

不要使用ix。它已经被弃用了。最易读和惯用的方法是使用df.drop()：

>>> df.drop('b', axis=1)
          a         c         d
0  0.418762  0.869203  0.972314
1  0.991058  0.594784  0.534366
2  0.407472  0.396664  0.894202
3  0.726168  0.324932  0.906575

请注意，默认情况下，.drop() 不会在原地操作；尽管名字听起来很可怕，但这个过程不会对 df 造成任何伤害。如果你想永久删除 df 中的 b，可以使用 df.drop('b', inplace=True)。 df.drop() 还接受一个标签列表作为参数，例如 df.drop(['a', 'b'], axis=1) 将删除列 a 和 b。

- mike

---

也可以像预期的那样在多级索引上工作。df.drop([('l1name'，'l2name')，'anotherl1name']，axis = 1)。似乎使用列表与元组来确定您是否需要多个列（列表）或引用多级索引（元组）。 - travc

更易读的写法是 df.drop('a', axis=1) 或者 df.drop(['a', 'b'], axis=1)，也可以使用 axis=0 来代替 axis=1，实现删除行操作。 - BallpointBen

然而，如果您恰好不知道要删除的所有列的名称，则此方法并不实用。 - yeliabsalohcin

由于这样会创建一个副本而不是视图/引用，因此您不能使用此方法在赋值语句的左侧修改原始数据框。 - Jan Christoph Terasa

我同意“最易读和惯用的方法是使用df.drop()”！简单易懂。 - mapperx

Answer 3

df[df.columns.difference(['b'])]

Out: 
          a         c         d
0  0.427809  0.459807  0.333869
1  0.678031  0.668346  0.645951
2  0.996573  0.673730  0.314911
3  0.786942  0.719665  0.330833

- ayhan

---

我喜欢这种方法，因为它可以用于省略超过一个列。 - Nischal Hp

@NischalHp df.drop()函数也可以删除多列，例如df.drop(['a', 'b'], axis=1)。 - JACKY88

值得注意的是，这可能会重新排列您的列。 - ocean800

是的，如果您想避免这种行为，可以传递 sort=False （df.columns.difference(['b'], sort=False)）。 - ayhan

这是在DataFrameGroupBy上运行的最佳方法，这正是我正在寻找的，谢谢！我使用了grouped[df.columns.difference(['b'])]...。 - wjandrea

这种方法很好，因为它可以与多个列一起使用，并且可以在 loc 内部使用，例如，如果您想要更新除 2 之外的所有列。此外，它非常易于使用，语法清晰明了。 - Haeden

Answer 4

你可以使用 df.columns.isin()。

df.loc[:, ~df.columns.isin(['b'])]

当您想删除多列时，只需简单地执行以下操作：

df.loc[:, ~df.columns.isin(['col1', 'col2'])]

- William

---

这种方法对于修改所选列非常有帮助！ - Derek O

Answer 5

你可以在索引中删除列：

df[df.columns.drop('b')]

或者

df.loc[:, df.columns.drop('b')]

如果你需要删除多列，使用一个标签列表而不是一个单独的标签。

- Mykola Zotko

Answer 6

这里有另一种方式：

df[[i for i in list(df.columns) if i != '<your column>']]

您只需传递要显示的所有列，除了您不想要的那一列。

- Salvador Dali

Answer 7

以下是一行Lambda表达式：

df[map(lambda x :x not in ['b'], list(df.columns))]

之前：

import pandas
import numpy as np
df = pd.DataFrame(np.random.rand(4,4), columns = list('abcd'))
df

       a           b           c           d
0   0.774951    0.079351    0.118437    0.735799
1   0.615547    0.203062    0.437672    0.912781
2   0.804140    0.708514    0.156943    0.104416
3   0.226051    0.641862    0.739839    0.434230

after:

df[map(lambda x :x not in ['b'], list(df.columns))]

        a          c          d
0   0.774951    0.118437    0.735799
1   0.615547    0.437672    0.912781
2   0.804140    0.156943    0.104416
3   0.226051    0.739839    0.434230

- Grant Shannon

Answer 8

我认为最好的方法是@Salvador Dali提到的方法。并不是其他方法是错误的。

因为当你有一个数据集，只想选择一列并将其放入一个变量中，而将其他列放入另一个变量中进行比较或计算时，删除数据集的列可能没有帮助。当然也有使用情况。

x_cols = [x for x in data.columns if x != 'name of column to be excluded']

然后，您可以将x_cols这些列的集合放入变量中，例如x_cols1，以便进行其他计算。

ex: x_cols1 = data[x_cols]

- Sudhi

---

你能解释一下为什么这是一个单独的答案，而不是对Salvador的回答进行评论/扩展吗？ - user6839822

Answer 9

对@Salvador Dali进行了轻微修改，可以排除一列列表：

df[[i for i in list(df.columns) if i not in [list_of_columns_to_exclude]]]

或者

df.loc[:,[i for i in list(df.columns) if i not in [list_of_columns_to_exclude]]]

- user1718097

Answer 10

与@Toms的答案类似，也可以在不使用.loc的情况下选择除“b”以外的所有列，方法如下：

df[df.columns[~df.columns.isin(['b'])]]

- DataBach

---

为什么要使用.loc或者简单的方括号？ - undefined