pandas DataFrame行或列的删除方法的实现示例

pandas DataFrame行或列的删除方法的实现示例

此文我们继续围绕Dataframe介绍相关 *** 作。

平时在用Dataframe时候，删除 *** 作用的不太多，基本是从源Dataframe中筛选数据，组成一个新的Dataframe再继续 *** 作。

1. 删除Dataframe某一列

这里我们继续用上一节产生的Dataframe来做例子，原Dataframe如下：

我们使用drop()函数，此函数有一个列表形参labels，写的时候可以加上labels=[xxx]，也可以不加，列表内罗列要删除行或者列的名称，默认是行名称，如果要删除列，则要增加参数axis=1， *** 作如下：

#pd.__version__ =='0.18.0'
#drop columns
test_dict_df.drop(['id'],axis=1)
#test_dict_df.drop(columns=['id']) # official operation， maybe my pandas version needs update!

结果如下，对于上面的代码，官方教程文档中给出了columns=['name']，但是在我测试的时候会报错，我用的python3，pandas版本为0.18，可能是pandas版本太老的缘故。

这里注意输出的结果是执行此方法的结果，而不是输出test_dict_df的结果，是因为方法默认的并不是在本身执行 *** 作，这时候输出test_dict_df输出的仍然是没有进行删除 *** 作的原Dataframe，如果你想在原Dataframe上进行 *** 作，需要加上inplace=True，等价于在 *** 作完再赋值给本身：

test_dict_df.drop(['id'],axis=1,inplace=True)
# test_dict_df = test_dict_df.drop(['id'],axis=1)

2. 删除Dataframe某一行

删除某一行，在上面删除列 *** 作的时候也稍有提及，如果不加axis=1，则默认按照行号进行删除，例如要删除第0行和第4行：

test_dict_df.drop([0,4])

同理，你要在源Dataframe上进行 *** 作就得加上inplace参数，否则不会在test_dict_df上改动。

当然，如果你的Dataframe有很多级，你可以加上level参数，这里就不多赘述了。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持考高分网。