如何按列拆分DataFrame

走我的路

我有一个Pandas DataFrame,它有11列,但是我想将DataFrame从第1列(而不是第0列)拆分为第10列。我可以通过更复杂的方法来实现它,而不是由Pandas它自己提供的方法来实现如何使用DataFrame受支持方法Pandas呢?

数据是595行乘11列,我想要得到:

>>> import numpy as np
>>> import pandas as pd
>>> train_data = pd.DataFrame(my_data, columns=my_columns)
>>> train_data
       stockid           prich_m1        prich_m3         prich_m6  \
1    000002.SZ      1.55755700445  0.861009772647    5.42726384781   
2    000009.SZ  3.00223270244e-07    4.8010096027    4.46164511978       
..         ...                ...             ...              ...    
..         ...                ...             ...              ...          
594  603699.SH    0.0491892903353  0.934596516371  0.0196757161342   
595  603993.SH      0.83105321611  0.771692272102    2.02816558693   

                rsi            mkt_cap    held_by_ins        found_own  \
1    0.650879566982     153108876954.0  42.6353598479    14.9550575226   
2    0.462085308057      19492802690.5  25.8866394448    5.31468116104   
..         ...                ...             ...              ...       
..         ...                ...             ...              ...       
..         ...                ...             ...              ...       
594  0.482105263158      14580000000.0  3.98638909091    3.41028242424   
595  0.559681697613      44416492093.8  90.0529786043    1.56995953686   

    debt_to_equity         eps_rate       share_out  
1           4.4521   0.292628452536   11021632763.0  
2           2.8257   -50.6773540796    1489669062.0  
..             ...              ...             ...    
..             ...              ...             ...  
594         0.6798    1.48454654486      82500000.0  
595         0.8822    10.3388360485    3279577050.0  

[595 rows x 11 columns]

我想删除该stockid列并获取其余数据。

斯特凡

尝试

new_df = df.iloc[:, 1:]

还有new_df = df.ix[:, 1:]这应该消除stock_id如果要删除此列,请使用new_df = df.drop('stock_id', axis=1)

如果愿意,也可以将列名称与.ix[]或一起.loc[]使用。在此之前已被询问和回答请参阅相关文档

本文收集自互联网,转载请注明来源。

如有侵权,请联系 [email protected] 删除。

编辑于
0

我来说两句

0 条评论
登录 后参与评论

相关文章