| 数据清洗处理实战：pandas运用.drop()方法删除特定行与列的方法详解 | 您所在的位置：网站首页 › 表格中用什么表示表格中的列 › 数据清洗处理实战：pandas运用.drop()方法删除特定行与列的方法详解 |
数据清洗处理实战：pandas运用.drop()方法删除特定行与列的方法详解
|
一、具体语法格式
官方文档对具体的语法格式是这样解释的： DataFrame.drop(labels=None, *, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise') Drop specified labels from rows or columns. Remove rows or columns by specifying label names and corresponding axis, or by specifying directly index or column names. When using a multi-index, labels on different levels can be removed by specifying the level. See the user guide for more information about the now unused levels. Parameters labels： single label or list-like 就是要删除的行列的名字，用列表给定。 Index or column labels to drop. A tuple will be used as a single label and not treated as a list-like. axis：{0 or ‘index’, 1 or ‘columns’}, default 0 用于确定要删除的是行还是列，0表示行，1表示列 Whether to drop labels from the index (0 or ‘index’) or columns (1 or ‘columns’). index：single label or list-like，删除的行索引 Alternative to specifying axis (labels, axis=0 is equivalent to index=labels). columns：single label or list-like，删除的列索引。 Alternative to specifying axis (labels, axis=1 is equivalent to columns=labels). level：int or level name, optional，只适用于具有多层索引的数据帧，指定要删除的级别。 For MultiIndex, level from which the labels will be removed. inplace：bool, default False， 指定是否在原始数据帧中进行删除操作。默认值为False。 If False, return a copy. Otherwise, do operation inplace and return None. errors：{‘ignore’, ‘raise’}, default ‘raise’，指定如何处理无效标签。如果它们是raise，则引发异常。否则，可以将它们忽略或打印警告信息。 If ‘ignore’, suppress error and only existing labels are dropped. Returns DataFrame or None DataFrame without the removed index or column labels or None if inplace=True. Raises KeyError If any of the labels is not found in the selected axis. 二、具体应用举例 import pandas as pd # 创建一个数据框 data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 32, 18, 47], 'gender': ['F', 'M', 'M', 'M'], 'score': [85, 90, 76, 67]} df = pd.DataFrame(data) 以下举例都是在数据框 的基础上进行。 （一）使用drop（）方法删除pandas.DataFrame的行 1.使用索引删除行： df.drop(1,axis=0) 对比结果我们可以看出，索引为1的行被删除了。 2.使用索引删除多行 方法一：直接在列表中列举行索引名称 df.drop([1,2,3],axis=0) 与 df.drop(index=[1,2,3])等效。 方法二：使用索引批量删除连续行（注意此时需要借助df.index) 4. 根据某列条件删除多行的值 df = df.drop(df[df['score'] < 80].index) # 删除分数小于80的行 df 5. 根据多个列的条件删除行 （1）多条件相 或 # 删除性别为M或者分数小于90的行 df = df.drop(df[(df['gender'] == 'M') | (df['score'] < 90)].index) df （2）多条件相与情况的删除 # 删除性别为M 同时分数小于90的行 df = df.drop(df[(df['gender'] == 'M') & (df['score'] < 90)].index) df 由于方法和删除行没有本质的区别，简单举例 1.删除单列 # 删除单列 df.drop('score', axis=1, inplace=True) # 注意此处 axis参数为1 print(df) 上面语句和下面语句等效 # 删除单列 df = df.drop('score', axis=1) # 注意此处 axis参数为1 print(df) 2.删除多列 # 删除多列 df.drop(df.columns[1:3], axis=1, inplace=True) print(df)
（三）删除重复行
详见前期文章： 数据清洗处理实战：pandas查找与删除重复行（duplicate()与drop_duplicate()方法详解）_pandas删除重复值_吃饭的家伙事儿的博客-CSDN博客文章总结收集处理不易，帮到您了，别忘了点攒收藏，如有什么问题，欢迎留言讨论。
|
【本文地址】