pandas select() 选择指定列

DataFrame.select() 是 pandas 3.1.0 新增的方法，用于从 DataFrame 中选择指定的列子集，并返回一个新的 DataFrame。

DataFrame.select() 的主要功能：

• 支持直接传入列名选择列
• 支持传入 pandas.col() 表达式来计算新列
• 支持通过关键字参数定义衍生列
• 支持链式依赖：后面定义的列可以引用前面计算出的列

函数签名参数

DataFrame.select(*args, **kwargs)

参数说明如下：

返回值：

• 返回类型：DataFrame
• 返回一个包含所选列的新 DataFrame（即使只选了一列，也返回 DataFrame，不会返回 Series）

重要规则：

1. 按顺序解析：参数按出现顺序依次解析，前面计算出的列可以被后面的项引用。
2. 覆盖行为：如果计算列的名称与已有列名相同，它会替换该列供后续项使用，但不会替换已经选中的列（重复请求同一个名称会返回多次）。
3. MultiIndex 注意事项：当列是 MultiIndex 时，计算列必须使用完整的元组名称，此时只允许位置参数。需要使用 .rename(...) 来重命名表达式。

使用示例（由浅入深）

构造示例数据

import pandas as pd

df = pd.DataFrame({
    "first_name": ["John", "Alice", "Bob"],
    "last_name": ["Smith", "Cooper", "Marley"],
    "age": [61, 22, 35],
})
print("原始数据:")
print(df)

输出：

  first_name last_name  age
0       John     Smith   61
1      Alice    Cooper   22
2        Bob    Marley   35

示例 1：基本用法 —— 选择指定列

result = df.select("first_name", "age")
print(result)

输出：

  first_name  age
0       John   61
1      Alice   22
2        Bob   35

示例 2：使用列表一次性指定多列

result = df.select(["last_name", "age"])
print(result)

输出：

  last_name  age
0     Smith   61
1    Cooper   22
2    Marley   35

示例 3：调整列顺序

result = df.select("last_name", "first_name", "age")
print(result)

输出：

  last_name first_name  age
0     Smith       John   61
1    Cooper      Alice   22
2    Marley        Bob   35

示例 4：选择单列仍返回 DataFrame（非 Series）

result = df.select("age")
print(type(result))  # <class 'pandas.core.frame.DataFrame'>
print(result)

输出：

   age
0   61
1   22
2   35

注意：即使只选了一列，返回的也是 DataFrame 而非 Series。这与 df["age"] 返回 Series 不同。

示例 5：使用 pd.col() 表达式 + 关键字参数创建计算列

result = df.select(
    "first_name",
    pd.col("age"),                          # 位置参数：保留原列
    age_months=pd.col("age") * 12           # 关键字参数：创建新列
)
print(result)

输出：

  first_name  age  age_months
0       John   61        732
1      Alice   22        264
2        Bob   35        420

关键区别：

• 位置参数中的 pd.col("age")：结果保留底层列名 age
• 关键字参数 age_months=pd.col("age") * 12：关键字名 age_months 成为新列名

示例 6：链式依赖 —— 后定义的列引用先定义的列

result = df.select(
    "first_name",
    age_months=pd.col("age") * 12,
    age_days=pd.col("age_months") * 30,   # 引用前面计算出的 age_months
)
print(result)

输出：

  first_name  age_months  age_days
0       John         732     21960
1      Alice         264      7920
2        Bob         420     12600

这是 select 相比简单列选择的最大优势：可以在一次调用中完成多步计算，且后一步可以引用前一步的结果。

示例 7：与 MultiIndex 列配合使用

df_multi = pd.DataFrame(
    ,
    columns=pd.MultiIndex.from_tuples([
        ("names", "first_name"),
        ("names", "last_name"),
        ("other", "age"),
    ]),
)
print("MultiIndex 原始数据:")
print(df_multi)

输出：

      names         other
  first_name last_name  age
0       John     Smith   61
1      Alice    Cooper   22
2        Bob    Marley   35

按第一级标签选择：

result = df_multi.select("names")
print(result)

输出：

  first_name last_name
0       John     Smith
1      Alice    Cooper
2        Bob    Marley

使用元组选择多级：

result = df_multi.select(("names", "last_name"), ("other", "age"))
print(result)

输出：

   names  other
last_name   age
0     Smith   61
1    Cooper   22
2    Marley  35

与相关方法的对比

select 的独特之处在于：它既能选列，又能计算新列，还能保证执行顺序，是一站式列操作工具。

使用场景总结

1. 简洁地选择列 + 同时创建衍生列：避免先 select 再 assign 的两步操作。
2. 链式列计算：利用按顺序解析的特性，在一个调用中完成多步依赖计算。
3. 函数式编程风格：配合 pd.col() 表达式，写出更声明式的列操作代码。
4. MultiIndex 列的灵活选择：支持按级别标签或元组选择，比 .loc 更直观。
5. 确保返回 DataFrame：当你需要保证返回值始终是 DataFrame（而非可能返回 Series）时，select 是安全的选择。

注意事项

• select 返回的是新 DataFrame，不会修改原数据。
• 如果引用的列名不存在，会在执行时抛出 KeyError。
• 位置参数和关键字参数可以混用，但单个列表不能与其他位置参数混合。
• 计算列的解析顺序很重要——后面的可以引用前面的，但前面的不能引用后面的。

简而言之，它是 pandas 3.1 引入的一个列选择 + 列计算一体化方法，配合 pd.col() 表达式使用效果最佳，能让代码更简洁、更声明式。

更新时间：2026-11-01 17:14:22 标签：pandas python select 选择