从DataFrame中删除列

2023-09-09 10:40| 来源: 网络整理| 查看: 265

在操作数据的时候，DataFrame对象中删除一个或多个列是常见的操作，并且实现方法较多，然而这中间有很多细节值得关注。

首先，一般被认为是“正确”的方法，是使用DataFrame的drop方法，之所以这种方法被认为是标准的方法，可能是收到了SQL语句中使用drop实现删除操作的影响。

import pandas as pd import numpy as np df = pd.DataFrame(np.arange(25).reshape((5,5)), columns=list("abcde")) display(df) try: df.drop('b') except KeyError as ke: print(ke) a b c d e 0 0 1 2 3 4 1 5 6 7 8 9 2 10 11 12 13 14 3 15 16 17 18 19 4 20 21 22 23 24 "['b'] not found in axis"

上面的操作中出现了报错信息，什么原因？这是因为drop方法中，默认是删除行。

如果用axis=0或axis='rows'，都表示展出行，也可用labels参数删除行。

df.drop(0) # drop a row, on axis 0 or 'rows' df.drop(0, axis=0) # same df.drop(0, axis='rows') # same df.drop(labels=0) # same df.drop(labels=[0]) # same # 结果 a b c d e 1 5 6 7 8 9 2 10 11 12 13 14 3 15 16 17 18 19 4 20 21 22 23 24 如何删除列

如何删除列？可以指定axis或使用columns参数，如下所示：

df.drop('b', axis=1) # drop a column df.drop('b', axis='columns') # same df.drop(columns='b') # same df.drop(columns=['b']) # same # 输出 a c d e 0 0 2 3 4 1 5 7 8 9 2 10 12 13 14 3 15 17 18 19 4 20 22 23 24

这样就删除了一列，注意，删除之后，返回了新的对象，这意味着，你可以用一个新的变量引用删除后得到的结果。如果要改变原有的DataFrame，可以增加一个参数inplace=True。

df2 = df.drop('b', axis=1) print(df2.columns) print(df.columns) # result Index(['a', 'c', 'd', 'e'], dtype='object') Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

同样值得注意的是，你可以通过同时使用index和columns，同时删除行和列，并且你可以传入多个值，即删除多行或者多列。

df.drop(index=[0,2], columns=['b','c']) # result a d e 1 5 8 9 3 15 18 19 4 20 23 24

如果不使用drop方法，还可以通过索引实现同样的操作。有多种方式，这里列举一种，如下所示，用.loc和.isin并取反。

df.loc[~df.index.isin([0,2]), ~df.columns.isin(['b', 'c'])] # result a d e 1 5 8 9 3 15 18 19 4 20 23 24

If none of that makes sense to you, I would suggest reading through my series on selecting and indexing in pandas, starting here.

如果这些对你来说都不是很清楚，建议参阅《跟老齐学Python：数据分析》中对此的详细说明。

另外的方法

除了上面演示的方法之外，还有别的方法可以删除列。

del df['a'] df # result b c d e 0 1 2 3 4 1 6 7 8 9 2 11 12 13 14 3 16 17 18 19 4 21 22 23 24

原来的df['a']没了，这就如同前面用drop方法时参数中使用了inplace=True一样，原地修改。

但是，不要认为del就能百试百灵，它会让你有迷茫的时候。

我们知道，如果用类似df.b这样访问属性的形式，也能得到DataFrame对象的列，虽然这种方法我不是很提倡使用，但很多数据科学的民工都这么干。

df.b # result 0 1 1 6 2 11 3 16 4 21 Name: b, dtype: int64

这么干，如果仅仅是查看，也无所谓，但是：

del df.b # result --------------------------------------------------------------------------- AttributeError Traceback (most recent call last) in ----> 1 del df.b AttributeError: b

这就报错了。是不是很迷惑，为什del df['b']奏效，而del df.b无效？

这就是接下来要研究的了。必须通过对细节的剖析，才能搞清楚问题的根源。

首先，del df['b']有效，是因为DataFrame对象中实现了__delitem__方法，在执行del df['b']时会调用该方法。但是del df.b呢，有没有调用此方法呢？

为此，可以定义一个简单的类，这里暂用dict作为保存数据的容器，当然，这个类不是真正的DataFrame。

class StupidFrame: def __init__(self, columns): self.columns = columns def __delitem__(self, item): del self.columns[item] def __getitem__(self, item): return self.columns[item] def __setitem__(self, item, val): self.columns[item] = val f = StupidFrame({'a': 1, 'b': 2, 'c': 3}) print("StupidFrame value for a:", f['a']) print("StupidFrame columns: ", f.columns) del f['b'] f.d = 4 print("StupidFrame columns: ", f.columns) # result StupidFrame value for a: 1 StupidFrame columns: {'a': 1, 'b': 2, 'c': 3} StupidFrame columns: {'a': 1, 'c': 3}

认真观察上面的操作和StupidFrame代码，如果用[]对所创建的实例进行数据操作，可以实现删除、赋值、读取等。但是，当我们执行f.d = 4的操作时，并没有在StupidFrame中所创建的columns属性中增加键为d的键值对，而是为实例f增加了一个普通属性，名称是d。

因此，如果要让f.d与f['d']等效，还必须要在StupidFrame类中添加 __getattr__ 方法，并使用__setattr__方法来处理设置问题（关于这两个方法的使用，请参阅《Python大学实用教程》中的详细介绍）。

class StupidFrameAttr: def __init__(self, columns): self.__dict__['columns'] = columns def __delitem__(self, item): del self.__dict__['columns'][item] def __getitem__(self, item): return self.__dict__['columns'][item] def __setitem__(self, item, val): self.__dict__['columns'][item] = val def __getattr__(self, item): if item in self.__dict__['columns']: return self.__dict__['columns'][item] elif item == 'columns': return self.__dict__[item] else: raise AttributeError def __setattr__(self, item, val): if item != 'columns': self.__dict__['columns'][item] = val else: raise ValueError("Overwriting columns prohibited") f = StupidFrameAttr({'a': 1, 'b': 2, 'c': 3}) print("StupidFrameAttr value for a", f['a']) print("StupidFrameAttr columns: ", f.columns) del f['b'] print("StupidFrameAttr columns: ", f.columns) print("StupidFrameAttr value for a", f.a) f.d = 4 print("StupidFrameAttr columns: ", f.columns) del f['d'] print("StupidFrameAttr columns: ", f.columns) f.d = 5 print("StupidFrameAttr columns: ", f.columns) del f.d # result StupidFrameAttr value for a 1 StupidFrameAttr columns: {'a': 1, 'b': 2, 'c': 3} StupidFrameAttr columns: {'a': 1, 'c': 3} StupidFrameAttr value for a 1 StupidFrameAttr columns: {'a': 1, 'c': 3, 'd': 4} StupidFrameAttr columns: {'a': 1, 'c': 3} StupidFrameAttr columns: {'a': 1, 'c': 3, 'd': 5} --------------------------------------------------------------------------- AttributeError Traceback (most recent call last) in 39 f.d = 5 40 print("StupidFrameAttr columns: ", f.columns) ---> 41 del f.d AttributeError: d

现在删除属性也能够奏效了。

另外，还可以在类中重写__delattr__方法，如下所示：

class StupidFrameDelAttr(StupidFrameAttr): def __delattr__(self, item): # trivial implementation using the data model methods del self.__dict__['columns'][item] f = StupidFrameDelAttr({'a': 1, 'b': 2, 'c': 3}) print("StupidFrameDelAttr value for a", f['a']) print("StupidFrameDelAttr columns: ", f.columns) del f['b'] print("StupidFrameDelAttr columns: ", f.columns) print("StupidFrameDelAttr value for a", f.a) f.d = 4 print("StupidFrameDelAttr columns: ", f.columns) del f.d print("StupidFrameDelAttr columns: ", f.columns) # result StupidFrameDelAttr value for a 1 StupidFrameDelAttr columns: {'a': 1, 'b': 2, 'c': 3} StupidFrameDelAttr columns: {'a': 1, 'c': 3} StupidFrameDelAttr value for a 1 StupidFrameDelAttr columns: {'a': 1, 'c': 3, 'd': 4} StupidFrameDelAttr columns: {'a': 1, 'c': 3}

现在，就理解了前面使用del删除DataFrame对象属性的方法出问题的根源了。当然，并不是说DataFrame对象的类就是上面那样的，而是用上面的方式简要说明了一下原因。

所以，在Pandas中要删除DataFrame的列，最好是用对象的drop方法。

另外，特别提醒，如果要创建新的列，也不要用df.column_name的方法，这也容易出问题。

参考文献

[1]. https://www.wrighters.io/how-to-remove-a-column-from-a-dataframe/

【本文地址】

公司简介

联系我们