Pandas通过columns属性访问、修改和删除列

在 pandas 中，DataFrame 的列可以使用 columns 属性进行访问、修改或删除。

以下是使用 columns 属性访问 DataFrame 列的示例代码：

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 访问 DataFrame 列
print(df.columns)

输出结果如下：

Index(['A', 'B', 'C'], dtype='object')

在上面的示例代码中，columns 属性返回一个 Index 对象，其中包含 DataFrame 的所有列标签。可以像访问列表一样使用索引访问 Index 中的元素，例如 df.columns[0] 返回第一个列标签 'A'。

以下是使用 columns 属性修改 DataFrame 列的示例代码：

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 修改 DataFrame 列标签
df.columns = ['X', 'Y', 'Z']

# 打印 DataFrame 列
print(df.columns)

输出结果如下：

Index(['X', 'Y', 'Z'], dtype='object')

在上面的示例代码中，将 DataFrame 的列标签从 ['A', 'B', 'C'] 修改为 ['X', 'Y', 'Z']。

以下是使用 columns 属性删除 DataFrame 列的示例代码：

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 删除 DataFrame 列
df = df.drop(columns=['B'])

# 打印 DataFrame 列
print(df.columns)

输出结果如下：

Index(['A', 'C'], dtype='object')

在上面的示例代码中，使用 drop() 函数删除了 DataFrame 的 B 列，然后使用 columns 属性打印了删除后的列标签。