Einen Bereich in eine Pandas-Serie einbetten

Question

Ich habe eine Tabelle mit 14 Spalten und ich möchte ausgewählte in einen neuen Datenrahmen ziehen. Sagen wir, ich Spalte wollen 0 dann Spalte 8-14

dfnow = pd.Series([df.iloc[row_count,0], \ 
        df.iloc[row_count,8], \ 
        df.iloc[row_count,9], \ 
        .... 

Werke scheint aber ungeschickt

I

dfnow = pd.Series([df.iloc[row_count,0], \ 
      df.iloc[row_count, range (8, 14)]]) 

schreiben möchte Aber das wirft ein Valueerror: Falsche Anzahl der Elemente bestanden

Nun, von der Antwort unten, weiß ich, dass ich zwei separate Sereis erstellen und verketten kann, aber das scheint auch ein wenig suboptimal.

Adding pandas Series with different indices without getting NaNs

Answer 1

ich glaube, Sie alle Werte auf lists konvertieren und dann erstellen Series, aber dann verloren Indizes:

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 

row_count = 1 

print (df.iloc[row_count, range (2, 4)]) 
C 8 
D 3 
Name: 1, dtype: int64 

dfnow = pd.Series([df.iloc[row_count,0]] + df.iloc[row_count, range (2, 4)].tolist()) 
print (dfnow) 
0 2 
1 8 
2 3 
dtype: int64 

---

Oder Sie können concat verwenden, dann sind Indizes Spaltennamen:

row_count = 1 

a = df.iloc[row_count, range (2, 4)] 
b = df.iloc[row_count, range (4, 6)] 

print (a) 
C 8 
D 3 
Name: 1, dtype: int64 

print (b) 
E 3 
F 4 
Name: 1, dtype: int64 

print (pd.concat([a,b])) 
C 8 
D 3 
E 3 
F 4 
Name: 1, dtype: int64 

Aber wenn Skalar müssen hinzufügen (a), ist es ein wenig kompliziert - Notwendigkeit Series:

row_count = 1 

a = pd.Series(df.iloc[row_count, 0], index=[df.columns[0]]) 
b = df.iloc[row_count, range (2, 4)] 
c = df.iloc[row_count, range (4, 6)] 

print (a) 
A 2 
dtype: int64 

print (b) 
C 8 
D 3 
Name: 1, dtype: int64 

print (c) 
E 3 
F 4 
Name: 1, dtype: int64 

print (pd.concat([a,b,c])) 
A 2 
C 8 
D 3 
E 3 
F 4 
dtype: int64 

Answer 2

Ist das, was Sie wollen?

In [52]: df = pd.DataFrame(np.arange(30).reshape(5,6), columns=list('abcdef')) 

In [53]: df 
Out[53]: 
    a b c d e f 
0 0 1 2 3 4 5 
1 6 7 8 9 10 11 
2 12 13 14 15 16 17 
3 18 19 20 21 22 23 
4 24 25 26 27 28 29 

In [54]: df[[0,2,4]] 
Out[54]: 
    a c e 
0 0 2 4 
1 6 8 10 
2 12 14 16 
3 18 20 22 
4 24 26 28 

verketten (Umgestaltung) Spalten 0, 2, 4 in einzelne Serie:

In [68]: df[[0,2,4]].values.T.reshape(-1,) 
Out[68]: array([ 0, 6, 12, 18, 24, 2, 8, 14, 20, 26, 4, 10, 16, 22, 28]) 

In [69]: pd.Series(df[[0,2,4]].values.T.reshape(-1,)) 
Out[69]: 
0  0 
1  6 
2  12 
3  18 
4  24 
5  2 
6  8 
7  14 
8  20 
9  26 
10  4 
11 10 
12 16 
13 22 
14 28 
dtype: int32 

Answer 3

betrachten die df

from string import ascii_uppercase 
import pandas as pd 
import numpy as np 

df = pd.DataFrame(np.arange(150).reshape(-1, 15), 
        columns=list(ascii_uppercase[:15])) 
df 

Verwendung np.r_ das Array neccesary für die Scheibe Sie

wollen

np.r_[0, 8:14] 

array([ 0, 8, 9, 10, 11, 12, 13]) 

dann

df.iloc[:, np.r_[0, 8:14]]