按列索引拆分Pandas数据框架

按列索引拆分Pandas数据框架是Pandas数据操作中的一项重要技术，可以实现数据的灵活处理，方便统计分析和可视化展示。下面提供一个完整的攻略，帮助大家掌握这项技术。

按列索引拆分Pandas数据框架的基本语法

按列索引拆分Pandas数据框架的基本语法如下：

df[[列索引列表]]

其中，df是待分割的Pandas数据框架，列索引列表是一个包含列索引的列表，可以是单个列索引或多个列索引的组合。

实例演示

下面我们通过一个实例来演示按列索引拆分Pandas数据框架的具体操作。

首先，我们创建一个数据框架df：

import pandas as pd

data = {'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42], 'Gender':['M', 'M', 'M', 'F'], 'City':['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen']}
df = pd.DataFrame(data)

print("原始数据：")
print(df)

输出结果如下：

原始数据：
    Name  Age Gender       City
0    Tom   28      M    Beijing
1   Jack   34      M   Shanghai
2  Steve   29      M  Guangzhou
3  Ricky   42      F   Shenzhen

然后，我们按照列索引拆分数据框架df，并分别统计拆分后各子数据框架的形状：

df_name_age = df[['Name', 'Age']]
df_gender_city = df[['Gender', 'City']]

print("按照Name和Age拆分的数据：")
print(df_name_age)
print("形状：", df_name_age.shape)

print("按照Gender和City拆分的数据：")
print(df_gender_city)
print("形状：", df_gender_city.shape)

输出结果如下：

按照Name和Age拆分的数据：
    Name  Age
0    Tom   28
1   Jack   34
2  Steve   29
3  Ricky   42
形状： (4, 2)
按照Gender和City拆分的数据：
  Gender       City
0      M    Beijing
1      M   Shanghai
2      M  Guangzhou
3      F   Shenzhen
形状： (4, 2)

从输出结果可以看出，我们成功按照列索引拆分了数据框架df，并成功统计了拆分后各子数据框架的形状。

总结

按列索引拆分Pandas数据框架是一项很有用的技术，可以帮助我们灵活地处理数据。掌握了按列索引拆分Pandas数据框架的基本语法和实现方法，可以让我们更加灵活高效地完成数据处理和分析任务。