如何用loc选择连续列范围加额外列？Pandas列选取问题

嘿，这个问题我之前处理数据时也遇到过！你报错的原因是df.loc[:, ...]的列索引参数只能是单个切片、单个标签、或者由切片/标签组成的可迭代对象（比如列表），直接写多个逗号分隔的参数会被当成多余的索引器，所以才会抛出"Too many indexers"错误。

下面给你几种用loc实现需求的方法，以及聊聊loc是不是这个场景的最佳选择：

方法1：组合列名列表（最直观） #

先通过切片获取连续列的列名，再把单独列名加进去，最后传给loc：

# 先拿到column_1到column_60的所有列名
continuous_cols = df.loc[:, 'column_1':'column_60'].columns.tolist()
# 加上需要额外选中的column_81
target_cols = continuous_cols + ['column_81']
# 用loc选择目标列
selected_df = df.loc[:, target_cols]

方法2：利用pd.Index的切片和合并（更高效） #

直接操作DataFrame的列索引对象，避免先切片整个DataFrame：

# 从列索引中直接切出连续范围（loc风格的闭区间切片）
cols_range = df.columns['column_1':'column_60']
# 合并单独列，生成最终的列索引
target_cols = cols_range.union(pd.Index(['column_81']))
# 选择列
selected_df = df.loc[:, target_cols]

这种方法不需要先创建子DataFrame，性能会更好一点，尤其是当你的DataFrame很大的时候。

方法3：通过位置索引间接实现（兼容loc） #

如果你知道列的位置，也可以先把列名转成位置，再组合后映射回列名：

# 获取各列的位置索引
start_pos = df.columns.get_loc('column_1')
end_pos = df.columns.get_loc('column_60')
col81_pos = df.columns.get_loc('column_81')
# 组合位置并转成列名
target_cols = df.columns[list(range(start_pos, end_pos + 1)) + [col81_pos]]
selected_df = df.loc[:, target_cols]

这种方法适合列名不太规整，但你知道位置的场景。

关于loc是不是最佳选择？ #

是的，loc在这个场景下非常合适。原因有两个：

1. 鲁棒性强：基于列名选择，哪怕后续DataFrame的列顺序发生变化，只要列名不变，你的代码依然能正确选中目标列；如果用iloc（基于位置），列顺序一变就会出错。
2. 可读性高：直接写'column_1':'column_60'比写位置切片更直观，别人看代码一眼就能明白你选的是哪一段列。

当然，如果你的列是严格按顺序排列且不会改变，用iloc配合np.r_也能实现（比如df.iloc[:, np.r_[0:60, 80]]，注意位置是从0开始的），但loc的可读性和鲁棒性更胜一筹。

内容的提问来源于stack exchange，提问作者ResearchRn