博客

详解pandas.DataFrame.drop()（删除行或列）函数使用方法

  • Post category:Python

pandas.DataFrame.drop()是pandas中DataFrame对象的一个函数，用于删除DataFrame中的行或列。

语法

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

其中，各参数的含义如下：

  • labels：需要删除的行或列的标签或标签列表。
  • axis：指定删除行还是删除列，0表示删除行，默认值为0。
  • index：需要删除的行的标签或标签列表，与labels参数同时使用时会覆盖labels参数。
  • columns：需要删除的列的标签或标签列表，与labels参数同时使用时会覆盖labels参数。
  • level：指定需要删除的多级行或列的级数，默认为None。
  • inplace：是否就地修改原DataFrame对象，True表示就地修改，False表示返回一个删除行或列后的新DataFrame，默认值为False。
  • errors：指定不存在的标签是否引发异常，’raise’表示引发异常，’ignore’表示忽略不存在的标签，默认值为’raise’。

示例

下面通过两个示例说明pandas.DataFrame.drop()函数的使用方法。

示例一：删除行

我们先创建一个pandas DataFrame对象：

import pandas as pd

data = {
    'name': ['Tom', 'Jerry', 'Amy', 'Bob', 'Ann'],
    'age': [20, 23, 18, 25, 27],
    'gender': ['male', 'male', 'female', 'male', 'female'],
    'score': [80, 90, 85, 70, 95]
}

df = pd.DataFrame(data)
print(df)

输出结果如下：

    name  age  gender  score
0    Tom   20    male     80
1  Jerry   23    male     90
2    Amy   18  female     85
3    Bob   25    male     70
4    Ann   27  female     95

我们可以使用pandas.DataFrame.drop()函数删除一行或多行，比如删除第1行和第3行：

df = df.drop([0, 2])
print(df)

输出结果如下：

    name  age  gender  score
1  Jerry   23    male     90
3    Bob   25    male     70
4    Ann   27  female     95

我们可以看到，第1行和第3行被成功删除了。

示例二：删除列

我们再创建一个pandas DataFrame对象：

import pandas as pd

data = {
    'name': ['Tom', 'Jerry', 'Amy', 'Bob', 'Ann'],
    'age': [20, 23, 18, 25, 27],
    'gender': ['male', 'male', 'female', 'male', 'female'],
    'score': [80, 90, 85, 70, 95]
}

df = pd.DataFrame(data)
print(df)

输出结果如下：

    name  age  gender  score
0    Tom   20    male     80
1  Jerry   23    male     90
2    Amy   18  female     85
3    Bob   25    male     70
4    Ann   27  female     95

我们可以使用pandas.DataFrame.drop()函数删除一列或多列，比如删除’name’列和’gender’列：

df = df.drop(columns=['name', 'gender'])
print(df)

输出结果如下：

   age  score
0   20     80
1   23     90
2   18     85
3   25     70
4   27     95

我们可以看到，’name’列和’gender’列被成功删除了。

Tags: