企业官网建设流程全解析

pandas 列选择实战：保留、删除与重命名列的 pandas 写法及与 SAS、Stata、电子表格的对照

【免费下载链接】pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much more项目地址: https://gitcode.com/gh_mirrors/pa/pandas

本文聚焦 pandas 中三种最基本的列级操作——按标签保留列、删除列、重命名列，以官方对比文档中使用的tips数据集为贯穿示例，给出每种操作的 pandas 写法、等价于 SAS / Stata / 电子表格的对应做法，并结合 DataFrame.getitem、DataFrame.drop、DataFrame.rename 的源码实现，讲清这些操作在内部如何解析标签、返回新对象以及出错的边界条件。读完后你能在不同工具间自如翻译"列选择"需求，并理解 pandas 返回副本而非就地修改的设计约束。

1. 背景：三个对比文档共用的 tips 示例

includes/column_selection.rst 是 pandas 文档"与 SAS / Stata / 电子表格对比"系列中"Selection of columns"小节共用的 pandas 代码片段，它被三篇对比指南分别 include：

• comparison_with_sas.rst：先讲 SAS 的DATA步骤关键字keep/drop/rename；
• comparison_with_stata.rst：先讲 Stata 的keep/drop/rename命令；
• comparison_with_spreadsheets.rst：先讲电子表格中"隐藏列、删除列、跨表引用列范围、修改表头单元格文字"四种做法。

三篇文档均以tips（餐厅小费）数据集为对象，数据通过read_csv读入，原始文件即仓库测试数据 tips.csv。下文沿用该数据，依次演示"保留部分列、删除一列、重命名列"三个操作。

2. 操作一：保留指定列（Keep certain columns）

片段给出的 pandas 写法是：

tips[["sex", "total_bill", "tip"]]

即对 DataFrame 传入一个列标签列表，返回只含这些列的新 DataFrame。这里有两个值得注意的行为边界，均可从源码得到解释：

1. 列表选择是严格匹配。在 DataFrame.getitem中，非单键路径先经check_dict_or_set_indexer(key)处理，随后对列表型 key 调用：

   indexer = self.columns._get_indexer_strict(key, "columns")[1]

   从源码结构看，_get_indexer_strict要求列表中每一个标签都必须真实存在于列索引中，否则抛出KeyError——这与 SAS 中keep了一个不存在的变量名会报错的行为一致，而不是静默忽略。最终结果通过self.take(indexer, axis=1)取列，且列的顺序按列表给定，与原表顺序无关。

2. 单标签与列表标签返回类型不同。同一段__getitem__的前半部分（frame.py#L4280-L4292）有单键快速路径：当 key 可哈希且self.columns.get_loc(key)返回int（该标签唯一出现一次）时，直接return self._get_item(key)，即tips["sex"]返回一个Series；而tips[["sex", "tip"]]返回列表型 key，走take路径，返回DataFrame。因此"保留单列"若想仍得到 DataFrame，需要写成tips[["sex"]]。

3. 操作二：删除一列（Drop a column）

片段给出的写法是：

tips.drop("sex", axis=1)

axis=1表示从列轴移除标签sex，返回不含该列的新 DataFrame，原对象不变。

结合 drop 的函数签名与文档字符串，实际可用的参数比片段展示的更完整：

两个与当前仓库版本直接相关的注意点：

• 返回新对象。drop默认返回副本；文档字符串中inplace参数已标注自 3.1.0 起弃用、将在 pandas 4.0 移除（见 PDEP-8），所以新代码应始终写成tips = tips.drop("sex", axis=1)的形式，而不是依赖就地修改。
• 缺失标签的行为由errors控制。默认'raise'下删除不存在的列会抛KeyError；errors="ignore"适合"若存在则删除"的防御式清洗。这与 SAS 的drop（变量不存在时仅警告）语义并不完全相同，跨工具迁移时需显式选择errors参数。

删除多列可合并为一次调用：tips.drop(["sex", "day"], axis=1)。

4. 操作三：重命名列（Rename a column）

片段给出的写法是：

tips.rename(columns={"total_bill": "total_bill_2"})

columns接收一个{旧名: 新名}字典，返回列名替换后的新 DataFrame，未出现在字典中的列保持原名。DataFrame.rename 与drop同属"返回新对象"一族 API；若需同时重命名行索引，可另传index参数或mapper，此处只涉及列级重命名。

重命名一个常见的替代思路是直接替换列索引对象（tips.columns = [...]），但从仓库当前版本的inplace弃用方向（PDEP-8）来看，优先使用rename这类返回新对象的函数式写法更稳妥。

5. 跨工具对照：SAS / Stata / 电子表格中的同一批操作

includes/column_selection.rst存在的意义正是把三篇对比文档中的"列选择"章节统一为同一组 pandas 代码。将各工具原文与 pandas 写法并排对照如下。

SAS：DATA 步骤的 keep / drop / rename

comparison_with_sas.rst 中给出的 SAS 写法是：

data tips; set tips; keep sex total_bill tip; run; data tips; set tips; drop sex; run; data tips; set tips; rename total_bill=total_bill_2; run;

对应的 pandas 写法依次为tips[["sex", "total_bill", "tip"]]、tips.drop("sex", axis=1)、tips.rename(columns={"total_bill": "total_bill_2"})。SAS 的DATA步骤会生成新数据集，这与 pandas 三个操作都"返回新对象、不改原对象"的语义方向一致。

Stata：命令行 keep / drop / rename

comparison_with_stata.rst 中对应命令为：

keep sex total_bill tip drop sex rename total_bill total_bill_2

注意 Stata 的keep与drop是就地作用于当前数据集的，而 pandas 的三个操作都返回新 DataFrame；从 Stata 迁移到 pandas 时，需要显式接收返回值（df = df.drop(...)），否则修改会"丢失"。

电子表格：隐藏、删除、引用与改表头

comparison_with_spreadsheets.rst 指出电子表格中"选择列"的常见手段有四种：隐藏列（不真删）、删除列、把某个工作表的一段列引用到另一张表、以及直接修改表头行第一个单元格的文字来完成重命名。pandas 侧的对应关系是：

• "引用一段列到新工作表" →tips[["sex", "total_bill", "tip"]]（列子集投影）；
• "删除列" →tips.drop("sex", axis=1)；
• "改表头文字" →tips.rename(columns={"total_bill": "total_bill_2"})。

电子表格"隐藏列"并不移除数据，没有精确的 pandas 等价物；若目标是导出时少一列，直接用投影或drop更符合"数据即代码"的显式风格。

6. 小结与使用要点

把 includes/column_selection.rst 的三行操作归纳成一张速查表：

三条实践要点：

1. 始终接收返回值。三个操作都不会修改原 DataFrame，且当前版本的inplace关键字已被弃用，链式接收（df = df.drop(...)）是唯一推荐写法。
2. 单列取 Series、多列取 DataFrame。tips["sex"]返回 Series，tips[["sex"]]返回 DataFrame，投影后继续做列操作时注意类型差异。
3. 跨工具迁移时对齐"严格 vs 宽容"语义。SAS/Stata 中删除不存在的变量通常只是告警或报错，pandas 需通过errors="ignore"显式选择宽容模式；而列表取列则始终是严格匹配。

本文所有代码与行为描述基于当前仓库的文档与源码，可直接对照 comparison 系列文档 及 frame.py 进一步阅读。

【免费下载链接】pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much more项目地址: https://gitcode.com/gh_mirrors/pa/pandas