Pandas DataFrame.drop()删除数据的方法实例

df.drop()通过指定标签名称和相应的轴，或直接给定索引或列名称来删除行或列

语法

df.drop(labels = None, axis = 0, 
        index = None, columns = None, 
        level = None, inplace = False, 
        errors = 'raise')

参数

1.labels:要删除的列或者行，如果要删除多个，传入列表

2.axis:轴的方向，0为行，1为列，默认为0

3.index:指定的一行或多行

4.columns:指定的一列或多列

5.level:索引层级，将删除此层级

6.inplace:布尔值，是否生效

7.errors:ignore或raise，默认为raise，如果为ignore，则容忍错误，仅删除现有标签

# 删除数据 DataFrame.drop()
import pandas as pd
 
df = pd.DataFrame([['x','x',1],['x','x',1],['z','x',2]], columns = ['A','B','C'])
 
# 删除指定行
res1 = df.drop([0,1])
res2 = df.drop(index = [0,1])
 
# 删除指定列
#res3该方法一定要指定axis = 1,否则会报错
res3 = df.drop(['B','C'], axis = 1)
res4 = df.drop(columns = ['B','C'])

结果展示

df

res1

res2

res3

res4

删除表中的某一行或者某一列更明智的方法是使用drop，它不改变原有的df中的数据，而是返回另一个dataframe来存放删除后的数据

扩展

del与drop的区别

在Python中del和drop方法都能够删除dataframe中的列数据，但两者也有着些许区别:

1. del属于Python的内置函数函数，drop属于pandas中的内置函数

2. del 删除列

drop 删除行和列（默认行）

3. drop一次可以处理多个项目；del一次只能操作一个

4. drop可以就地操作或返回副本；del仅是就地操作

5. 两种函数在执行效率上很接近，但是在较大数据上，drop函数优势更明显，尤其是在处理多列数据时

del crime['Total']
crime=crime.drop(['Total'],axis=1)

总结

到此这篇关于Pandas DataFrame.drop()删除数据的文章就介绍到这了,更多相关Pandas DataFrame.drop()删除数据内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！