按列表选择列（列是列表的子集）

Question

我通过列名列表选择数据框的几列。如果列表的所有元素都在数据框中，这就可以正常工作。但如果列表的某些元素不在 DataFrame 中，则会产生“不在索引中”的错误。

有没有办法选择包含在该列表中的所有列，即使不是列表的所有元素都包含在数据框中？以下是生成上述错误的一些示例数据：

 df   = pd.DataFrame( [[0,1,2]], columns=list('ABC') )

lst  = list('ARB')

data = df[lst]       # error: not in index

原文由 csander 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

我想你需要 Index.intersection ：

 df = pd.DataFrame({'A':[1,2,3],
                   'B':[4,5,6],
                   'C':[7,8,9],
                   'D':[1,3,5],
                   'E':[5,3,6],
                   'F':[7,4,3]})

print (df)
   A  B  C  D  E  F
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

lst = ['A','R','B']

print (df.columns.intersection(lst))
Index(['A', 'B'], dtype='object')

data = df[df.columns.intersection(lst)]
print (data)
   A  B
0  1  4
1  2  5
2  3  6

另一个解决方案 numpy.intersect1d ：

 data = df[np.intersect1d(df.columns, lst)]
print (data)
   A  B
0  1  4
1  2  5
2  3  6

原文由 jezrael 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

很少有其他方法，列表理解要快得多

In [1357]: df[df.columns & lst]
Out[1357]:
   A  B
0  1  4
1  2  5
2  3  6

In [1358]: df[[c for c in df.columns if c in lst]]
Out[1358]:
   A  B
0  1  4
1  2  5
2  3  6

---

时序

In [1360]: %timeit [c for c in df.columns if c in lst]
100000 loops, best of 3: 2.54 µs per loop

In [1359]: %timeit df.columns & lst
1000 loops, best of 3: 231 µs per loop

In [1362]: %timeit df.columns.intersection(lst)
1000 loops, best of 3: 236 µs per loop

In [1363]: %timeit np.intersect1d(df.columns, lst)
10000 loops, best of 3: 26.6 µs per loop

---

细节

In [1365]: df
Out[1365]:
   A  B  C  D  E  F
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

In [1366]: lst
Out[1366]: ['A', 'R', 'B']

原文由 Zero 发布，翻译遵循 CC BY-SA 3.0 许可协议