Python动态选择DataFrame列创建新DataFrame的交互实现方案

你现有代码存在几个核心问题导致无法正常运行：

• 直接使用NaN未定义，会触发名称错误，pandas环境下空值需使用pd.NA或numpy.nan
• 两个下拉组件描述完全一致，无法区分X、Y轴选择项
• 未绑定组件值变化的回调逻辑，直接将组件对象传入pd.DataFrame无法获取用户选中的实际列名
• dropna()未指定子集也未接收返回值，空值过滤逻辑不生效
• 未做选项互斥，存在X、Y选中同一列的风险

下面提供两种无需手动枚举列名、自动适配任意DataFrame结构的实现：

方案1：ipywidgets 实现（适配Jupyter 环境） #

该方案在Notebook环境下直接运行，自动读取加载DataFrame的所有数值列生成选项，选择后自动完成空值过滤，输出供后续分析使用的干净数据集。

import pandas as pd
import numpy as np
import ipywidgets as widgets
from IPython.display import display

# 测试数据集，替换为你实际加载的任意DataFrame即可
df = pd.DataFrame({'A' : [4, np.nan], 'B' : [10,20], 'C' : [100,50], 'D' : [-30,-50]})
numeric_cols = df.select_dtypes('number').columns.tolist()

# 初始化选择组件
x_select = widgets.Dropdown(
    options=numeric_cols,
    value=numeric_cols[0],
    description='X列:',
    disabled=False,
)
y_select = widgets.Dropdown(
    options=[c for c in numeric_cols if c != x_select.value],
    value=[c for c in numeric_cols if c != x_select.value][0],
    description='Y列:',
    disabled=False,
)
output_area = widgets.Output()

# 下拉联动：选择X后自动更新Y的可选项，排除已选的X列
def update_y_options(change):
    current_x = change['new']
    y_options = [c for c in numeric_cols if c != current_x]
    y_select.options = y_options
    # 如果之前选的Y和新选的X重复，自动切到第一个可用Y列
    if y_select.value not in y_options:
        y_select.value = y_options[0]

x_select.observe(update_y_options, names='value')

# 选择变化时自动执行数据处理
def process_data(_):
    with output_area:
        output_area.clear_output()
        selected_x = x_select.value
        selected_y = y_select.value
        # 提取选中两列、过滤空值
        processed_df = df[[selected_x, selected_y]].dropna(subset=[selected_x, selected_y]).reset_index(drop=True)
        
        # --------------- 后续回归、绘图逻辑直接写在这里 ---------------
        print(f"已选中X列：{selected_x}，Y列：{selected_y}")
        print(f"过滤空值后剩余有效样本数：{len(processed_df)}")
        print("处理后数据集预览：")
        display(processed_df.head())
        # 可直接传入processed_df做线性回归、散点图绘制

# 绑定选择事件
x_select.observe(process_data, names='value')
y_select.observe(process_data, names='value')

# 渲染组件，首次加载自动执行一次处理
display(widgets.VBox([x_select, y_select, output_area]))
process_data(None)

方案2：Streamlit 实现（适配独立Web交互应用） #

如果需要构建可分享的交互工具，用Streamlit实现更简单，不需要手动绑定回调，代码更简洁，同样支持自动适配任意DataFrame结构。

import pandas as pd
import numpy as np
import streamlit as st

st.title("动态列选择回归分析工具")

# 此处替换为你的数据加载逻辑，支持任意结构的DataFrame
@st.cache_data
def load_data():
    # 测试数据，替换为实际读文件/读数据库的逻辑即可
    return pd.DataFrame({'A' : [4, np.nan], 'B' : [10,20], 'C' : [100,50], 'D' : [-30,-50]})

df = load_data()
numeric_cols = df.select_dtypes('number').columns.tolist()

# 渲染选择器
selected_x = st.selectbox("选择X列", options=numeric_cols, index=0)
y_options = [c for c in numeric_cols if c != selected_x]
selected_y = st.selectbox("选择Y列", options=y_options, index=0)

# 处理数据
processed_df = df[[selected_x, selected_y]].dropna(subset=[selected_x, selected_y]).reset_index(drop=True)

st.write(f"过滤空值后有效样本数：{len(processed_df)}")
st.dataframe(processed_df, use_container_width=True)

# --------------- 后续回归、绘图逻辑直接写在这里 ---------------
# 示例：st.scatter_chart(processed_df, x=selected_x, y=selected_y)
# 示例：调用sklearn做线性回归，输出指标、绘制拟合线

关键特性说明 #

• 完全动态读取列名：不管加载的DataFrame列结构怎么变化，都不需要手动修改列名配置，自动识别所有数值类型列作为可选项
• 精准空值过滤：仅针对选中的两列做NaN剔除，不会因为其他列存在空值损失有效样本
• 选项互斥：自动排除X列在Y的选项列表中，避免选到相同列
• 处理后的processed_df是标准pandas DataFrame结构，可直接对接所有常用数据分析、绘图、机器学习库的接口

内容的提问来源于stack exchange，提问作者Crimzo