Python中矩阵指定列筛选方法：PCA场景下的Pandas列选择问题

嘿，我来帮你搞定这个列筛选的需求！针对你的场景，有两种常用的方法，我都给你列出来，你可以根据自己的习惯选：

方法一：直接用列名筛选（推荐） #

这种方法最稳健，哪怕后续数据的列顺序变动，也不会选错列，非常适合固定列名的场景。你只需要把想要的列名放进一个列表，直接传入数据框索引即可：

# 定义要保留的列名列表
target_cols = ["Price", "Earnings/Share", "Market Cap", "EBITDA"]
# 筛选列、标准化后生成新DataFrame
sp_data = pd.DataFrame(scale(SP[target_cols]), index=SP.Symbol, columns=target_cols)

这样就精准选中了你需要的4列，完全不用关心它们在原数据中的位置，省心又靠谱。

方法二：通过位置索引修改原代码 #

如果你坚持要修改原来的iloc索引部分，得先确认目标列在原数据中的位置。根据你给出的8列顺序：
["Price", "Earnings/Share", "Book Value", "52 week low", "52 week high", "Market Cap", "EBITDA", "Price/Sales"]
这些列对应原SP数据框的索引是3、4、8、9（因为你原来的iloc[:,3:11]是取第3到第10列，左闭右开）。修改后的代码如下：

sp_data = pd.DataFrame(scale(SP.iloc[:, [3,4,8,9]]), index=SP.Symbol, columns=SP.columns[[3,4,8,9]])

⚠️ 注意：这种方法依赖列的位置，如果后续原数据的列顺序调整了，筛选结果就会出错，所以更推荐第一种用列名的方式。

内容的提问来源于stack exchange，提问作者Bai