本文介紹
Pandas中DataFrame數據刪除，主要使用drop、del方式。
|
1
2
3
4
5
6
7
8
9
10
11
12
|
# drop函數的參數解釋drop( self, labels=None, # 就是要刪除的行列的標簽，用列表給定; axis=0, # axis是指處哪一個軸，0為行（默認），1為列; index=None, # index是指某一行或者多行 columns=None, # columns是指某一列或者多列 level=None, # level是指等級，針對多重索引的情況; inplace=False, # inplaces是否替換原來的dataframe; errors="raise",)axis=0或者 和 index或columns 指定行列只需要使用一組就行 |
1.根據默認的行列索引操作
示例數據
|
1
2
3
4
5
|
import numpy as npimport pandas as pd# 生成隨機數組-5行5列df = pd.DataFrame(np.random.rand(5,5))print(df) |
數據展示
|
1
2
3
4
5
6
|
0 1 2 3 40 0.760489 0.074633 0.788416 0.087612 0.5605391 0.758450 0.599777 0.384075 0.525483 0.6289102 0.386808 0.148106 0.742207 0.452627 0.7759633 0.662909 0.134640 0.186186 0.735429 0.4595564 0.328694 0.269088 0.331404 0.835388 0.899107 |
1.1行刪除
[1]刪除單行
|
1
2
3
|
# 刪除單行，刪除第2行df.drop(df.index[1],inplace=True) # inplace=True 原地修改print(df) |
執行結果:
0 1 2 3 4
0 0.605764 0.234973 0.566346 0.598105 0.478153
2 0.383230 0.822174 0.228855 0.743258 0.076701
3 0.875287 0.576668 0.176982 0.341827 0.112582
4 0.205425 0.898544 0.799174 0.000905 0.377990
[2]刪除不連續多行
|
1
2
3
|
# 刪除不連續多行,刪除第2和第4行df.drop(df.index[[1,3]],inplace=True)print(df) |
執行結果:
0 1 2 3 4
0 0.978612 0.556539 0.781362 0.547527 0.706686
2 0.845822 0.321716 0.444176 0.053915 0.296631
4 0.617735 0.040859 0.129235 0.525116 0.005357
[3]刪除連續多行
|
1
2
3
|
# 刪除連續多行df.drop(df.index[1:3],inplace=True) # 開區間，最后一個索引號不計算在內print(df) |
執行結果:
0 1 2 3 4
0 0.072891 0.926297 0.882265 0.971368 0.567840
3 0.163212 0.546069 0.360990 0.494274 0.065744
4 0.752917 0.242112 0.526675 0.918713 0.320725
1.2列刪除
列的刪除可以使用
del和drop兩種方式，del df[1] # 刪除第2列，該種方式為原地刪除，本文具體講解drop函數刪除。
[1]刪除指定列
|
1
2
|
df.drop([1,3],axis=1,inplace=True) # 指定軸為列# df.drop(columns=[1,3],inplace=True) # 直接指定列 |
執行結果:
0 2 4
0 0.592869 0.123369 0.815126
1 0.127064 0.093994 0.332790
2 0.411560 0.118753 0.143854
3 0.965317 0.267740 0.349927
4 0.688604 0.699658 0.932645
[2]刪除連續列
|
1
2
3
|
df.drop(df.columns[1:3],axis=1,inplace=True) #指定軸# df.drop(columns=df.columns[1:3],inplace = True) # 指定列print(df) |
執行結果:
0 3 4
0 0.309674 0.974694 0.660285
1 0.677328 0.969440 0.953452
2 0.954114 0.953569 0.959771
3 0.365643 0.417065 0.951372
4 0.733081 0.880914 0.804032
2.根據自定義的行列索引操作
示例數據
|
1
2
3
4
|
df = pd.DataFrame(data=np.random.rand(5,5))df.index = list('abcde')df.columns = list('一二三四五')print(df) |
數據展示
|
1
2
3
4
5
6
|
一 二 三 四 五a 0.188495 0.574422 0.530326 0.842489 0.474946b 0.912522 0.982093 0.964031 0.498638 0.826693c 0.580789 0.013957 0.515229 0.795052 0.859267d 0.540641 0.865602 0.305256 0.552566 0.754791e 0.375407 0.236118 0.129210 0.711744 0.067356 |
2.1行刪除
[1]刪除單行
|
1
2
|
df.drop(['b'],inplace=True)print(df) |
執行結果:
一 二 三 四 五
a 0.306350 0.622067 0.030573 0.490563 0.009987
c 0.672423 0.071661 0.274529 0.400086 0.263024
d 0.654204 0.809087 0.066099 0.167290 0.534452
e 0.628917 0.232629 0.070167 0.469962 0.957898
[2]刪除多行
|
1
2
|
df.drop(['b','d'],inplace=True)print(df) |
執行結果:
一 二 三 四 五
a 0.391583 0.509862 0.924634 0.466563 0.058414
c 0.802016 0.621347 0.659215 0.575728 0.935811
e 0.223372 0.286116 0.130587 0.113544 0.910859
2.2列刪除
[1]刪除單列
|
1
2
|
df.drop(['二'],axis=1,inplace=True)# 刪除單列print(df) |
執行結果：
一 三 四 五
a 0.276147 0.797404 0.184472 0.081162
b 0.630190 0.328055 0.428668 0.168491
c 0.979958 0.029032 0.934626 0.106805
d 0.762995 0.003134 0.136252 0.317423
e 0.137211 0.116607 0.367742 0.840080
[2]刪除多列
|
1
2
3
|
df.drop(['二','四'],axis=1,inplace=True) # 刪除多列# df.drop(columns=['二','四'],inplace=True) # 刪除多列print(df) |
執行結果:
一 三 五
a 0.665647 0.709243 0.019711
b 0.920729 0.995913 0.490998
c 0.352816 0.185802 0.406174
d 0.136414 0.563546 0.762806
e 0.259710 0.775422 0.794880
到此這篇關于Pandas中DataFrame數據刪除詳情的文章就介紹到這了,更多相關Pandas中DataFrame數據刪除 原創內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.51cto.com/shenjiren/3994744
