Pandas.DataFrame删除指定行和列(drop)的实现
作者：饺子大人 发布时间：2022-05-27 16:15:55
标签：Pandas,DataFrame,删除,指定行列
使用drop（）方法删除pandas.DataFrame的行和列。
在0.21.0版之前，请使用参数labels和axis指定行和列。从0.21.0开始，可以使用index或columns。
在此，将对以下内容进行说明。
DataFrame指定的行删除
按行名指定（行标签）
按行号指定
未设置行名的注意事项
DataFrame指定的列删除
按列名指定（列标签）
按列号指定
多行多列的删除
删除缺失值NaN和删除具有重复元素的行，请参考文章。
Pandas删除，替换并提取其中的缺失值NaN(dropna,fillna,isnull)
以下数据用作示例代码中的示例。
import pandas as pd
df = pd.read_csv('./data/12/sample_pandas_normal.csv', index_col=0)
print(df)
# age state point
# name
# Alice 24 NY 64
# Bob 42 CA 92
# Charlie 18 CA 70
# Dave 68 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57
DataFrame指定的行删除
按行名指定（行标签）
它由第一个参数labels和第二个参数axis指定。行指定axis= 0。
print(df.drop('Charlie', axis=0))
# age state point
# name
# Alice 24 NY 64
# Bob 42 CA 92
# Dave 68 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57
默认值为axis = 0，因此可以省略axis。
print(df.drop('Charlie'))
# age state point
# name
# Alice 24 NY 64
# Bob 42 CA 92
# Dave 68 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57
从0.21.0或更高版本开始，它也可以由参数索引指定。
print(df.drop(index='Charlie'))
# age state point
# name
# Alice 24 NY 64
# Bob 42 CA 92
# Dave 68 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57
如果要一次删除多行，请在列表中指定。
print(df.drop(['Bob', 'Dave', 'Frank']))
# age state point
# name
# Alice 24 NY 64
# Charlie 18 CA 70
# Ellen 24 CA 88
print(df.drop(index=['Bob', 'Dave', 'Frank']))
# age state point
# name
# Alice 24 NY 64
# Charlie 18 CA 70
# Ellen 24 CA 88
默认情况下，原始DataFrame保持不变，并返回一个新的DataFrame。如果参数inplace设置为True，则将更改原始DataFrame。在这种情况下，不会返回任何新的DataFrame，并且返回值为None。
按行号指定
如果要按行号指定，请使用DataFrame的index属性。
如果在index属性的[]中指定行号，则可以获得相应的行名。可以在列表中指定多个行号。
print(df.index[[1, 3, 5]])
# Index(['Bob', 'Dave', 'Frank'], dtype='object', name='name')
在drop（）第一个的参数中指定labels或index的名称。
print(df.drop(df.index[[1, 3, 5]]))
# age state point
# name
# Alice 24 NY 64
# Charlie 18 CA 70
# Ellen 24 CA 88
print(df.drop(index=df.index[[1, 3, 5]]))
# age state point
# name
# Alice 24 NY 64
# Charlie 18 CA 70
# Ellen 24 CA 88
未设置行名的注意事项
如果未设置行名，则index默认为整数序号。当使用数字值而不是这样的字符串作为索引时要小心。
df_noindex = pd.read_csv('./data/12/sample_pandas_normal.csv')
print(df_noindex)
# name age state point
# 0 Alice 24 NY 64
# 1 Bob 42 CA 92
# 2 Charlie 18 CA 70
# 3 Dave 68 TX 70
# 4 Ellen 24 CA 88
# 5 Frank 30 NY 57
print(df_noindex.index)
# RangeIndex(start=0, stop=6, step=1)
如果是序列号，则无论原样指定数字值还是使用index属性，结果都将相同。
print(df_noindex.drop([1, 3, 5]))
# name age state point
# 0 Alice 24 NY 64
# 2 Charlie 18 CA 70
# 4 Ellen 24 CA 88
print(df_noindex.drop(df_noindex.index[[1, 3, 5]]))
# name age state point
# 0 Alice 24 NY 64
# 2 Charlie 18 CA 70
# 4 Ellen 24 CA 88
如果由于排序原因其不是序列号，结果将有所不同。当直接指定数字值时，将删除行标签为该数字值的行，而当使用index属性时，将删除其行号为该数字值的行。
df_noindex_sort = df_noindex.sort_values('state')
print(df_noindex_sort)
# name age state point
# 1 Bob 42 CA 92
# 2 Charlie 18 CA 70
# 4 Ellen 24 CA 88
# 0 Alice 24 NY 64
# 5 Frank 30 NY 57
# 3 Dave 68 TX 70
print(df_noindex_sort.index)
# Int64Index([1, 2, 4, 0, 5, 3], dtype='int64')
print(df_noindex_sort.drop([1, 3, 5]))
# name age state point
# 2 Charlie 18 CA 70
# 4 Ellen 24 CA 88
# 0 Alice 24 NY 64
print(df_noindex_sort.drop(df_noindex_sort.index[[1, 3, 5]]))
# name age state point
# 1 Bob 42 CA 92
# 4 Ellen 24 CA 88
# 5 Frank 30 NY 57
DataFrame指定的列删除
按列名指定（列标签）
它由第一个参数labels和第二个参数axis指定。列指定axis= 1。
print(df.drop('state', axis=1))
# age point
# name
# Alice 24 64
# Bob 42 92
# Charlie 18 70
# Dave 68 70
# Ellen 24 88
# Frank 30 57
从0.21.0或更高版本开始，可以使用参数列指定它。
print(df.drop(columns='state'))
# age point
# name
# Alice 24 64
# Bob 42 92
# Charlie 18 70
# Dave 68 70
# Ellen 24 88
# Frank 30 57
如果要一次删除多个列，请在列表中指定。
print(df.drop(['state', 'point'], axis=1))
# age
# name
# Alice 24
# Bob 42
# Charlie 18
# Dave 68
# Ellen 24
# Frank 30
print(df.drop(columns=['state', 'point']))
# age
# name
# Alice 24
# Bob 42
# Charlie 18
# Dave 68
# Ellen 24
# Frank 30
参数inplace的使用方法与行的相同。
df_org = df.copy()
df_org.drop(columns=['state', 'point'], inplace=True)
print(df_org)
# age
# name
# Alice 24
# Bob 42
# Charlie 18
# Dave 68
# Ellen 24
# Frank 30
按列号指定
如果要按列号指定，请使用DataFrame的columns属性。
print(df.columns[[1, 2]])
# Index(['state', 'point'], dtype='object')
print(df.drop(df.columns[[1, 2]], axis=1))
# age
# name
# Alice 24
# Bob 42
# Charlie 18
# Dave 68
# Ellen 24
# Frank 30
print(df.drop(columns=df.columns[[1, 2]]))
# age
# name
# Alice 24
# Bob 42
# Charlie 18
# Dave 68
# Ellen 24
# Frank 30
如果columns是整数值，请小心上述行。
多行多列的删除
从0.21.0及更高版本开始，可以通过同时指定参数index和column来删除多行/多列。
当然，也可以通过行号/列号指定，和使用参数inplace。
print(df.drop(index=['Bob', 'Dave', 'Frank'],
columns=['state', 'point']))
# age
# name
# Alice 24
# Charlie 18
# Ellen 24
print(df.drop(index=df.index[[1, 3, 5]],
columns=df.columns[[1, 2]]))
# age
# name
# Alice 24
# Charlie 18
# Ellen 24
来源：https://blog.csdn.net/qq_18351157/article/details/105785367
0
投稿猜你喜欢
Python 编程中可以使用 PyMysql 进行数据库的连接及诸如查询/插入/更新等操作，但是每次连接 MySQL 数据库请求时，都是独立- 废话不多说，直接上代码吧~model.zero_grad()optimizer.zero_grad()首先，这两种方式都是把模型中参数的梯度
- 对于网站开发者来说，对展示内容增加一个滑动或者是轮播效果的是非常常见的需求。收费和免费的轮播插件多的是不胜枚举。其中很 多提供很多有用的配置
- 插入排序插入排序，英文名（insertion sort）是一种简单且有效的比较排序算法。思想： 在每次迭代过程中算法随机地从输入序
- 注意转义字符\的使用\\,\",\$ 注意使用8进制或16进制字符表示 \xf6 echo "H\xf6me"
- python openvc 裁剪图片下面是4个坐标代码：import cv2#裁剪图片路径input_path，四个裁剪坐标为：y1,y2,
- 本文档整理大部分公认的、或者少有争议的JavaScript良好书写规范（Best Practice）。一些显而易见的常识就不再论述（比如要用
- 1 锁片化的产生1.1 产生碎片化的原因1、在B-tree索引中，表数据按照聚集索引的排序进行物理存储，若聚集索引离散化比较严重，那么可能会
- 将int转换成datetime格式原始时间格式users['timestamp_first_active'].head()原
- 本文实例为大家分享了Python实现名片管理系统的具体代码，供大家参考，具体内容如下目标综合应用已经学习过的知识点：变量流程控制函数模块系统
- 本章来实现一下删除已上传文件，同时优化了一下第一章中的代码。废话少说，上代码得意1.调整列表页面list.jsp<％@ page co
- 请求：HTTP 请求报文由请求行、请求头部、空行、请求包体4个部分组成，如下图所示：请求行：请求行由方法字段、URL 字段 和HTTP 协议
- 一、Go interface 介绍interface 在 Go 中的重要性说明interface 接口在 Go 语言里面的地位非常重要，是一
- 相信大家都用过 jupyter，也用过里面的魔法命令，这些魔法命令都以 ％ 或者 ％％ 开
- 本文实例讲述了JS实现DOM节点插入操作之子节点与兄弟节点插入操作。分享给大家供大家参考，具体如下：<!doctype html>
- 今天想说的是内容和容器的关系，顺便把之前设计中碰到的问题和大家一起探讨下。我们从软件的设置说起。（这里以QQ的设置举例）一个软件的设置（常称
- defer介绍defer是golang的一个特色功能，被称为“延迟调用函数”。当外部函数返回后执行defer。类似于其他语言的 try… c
- 数据库状态 (database states)查询数据库的当前状态 ：1、查询所有数据库的状态 ，通过sys.databases目录视图的s
- SqlBulkCopy 来自数据源的 String 类型的给定值不能转换为指定目标列的类型 nvarchar。 在网上找了下，大都说是因为数
- 其主要的优点便是无需再手工添加大量的信息了，可以指定对某一个站信息的截取进行批量录入，达到省时省力的目的。与其单纯的ASP小偷程序不同的是:
