python删除指定列或多列单个或多个内容实例
在python中进⾏数据处理，经常会遇到有些元素内容是不需要的。需要进⾏删除或者替换。本篇就详细探讨⼀下各种数据类型(series,dataframe)下的删除⽅法
随机创建⼀个DataFrame数据
import pandas as pd
import numpy as np
data=pd.DataFrame(np.random.randint(10,size=(5,3)),columns=['a','b','c'])
>>>
a b c
0 3 8 2
1 9 9 5
2 4 5 1
3 2 7 5
4 1 2 8
Series：
isin反函数删除不需要的列部分元素，适合⼤批量：
S数据类型直接使⽤isin会选出该列包含的指定内容，我们的需求是删除指定内容就需要⽤到isin的反函数。但是python⽬前没有类似isnotin这种函数，所以我们需要使⽤-号来实现isnotin的⽅法
!=⽐较运算符⽅式，适合少量或者⽤作与同时满⾜a条件与b条件的情况
isin:
Series的场景
print(data['c'][data['c'].isin([1])])
>>>
2 1
python正则表达式不包含Name: c, dtype: int64
print(data['c'][-data['c'].isin([1])])
>>>
0 2
1 5
3 5
4 8
Name: c, dtype: int64
print(data['c'][-data['c'].isin([1,2])])
>>>
1 5
3 5
4 8
Name: c, dtype: int64
DataFrame场景：
print(data[-data.isin([1,2])])#按Series逻辑操作df发现会出现NAN并没有删除掉
>>>
a b c
0 3.0 8.0 NaN
1 9.0 9.0 5.0
2 4.0 5.0 NaN
3 NaN 7.0 5.0
4 NaN NaN 8.0
print(data[-data.isin([1,2])].dropna())#我们只需要再加⼀个dropna删除空值就好了
>>>
a b c
1 9.0 9.0 5.0
！=⽐较运算符：
Series的场景:
print(data['c'][data['c']!=1])
>>>
0 2
1 5
3 5
4 8
Name: c, dtype: int64
print(data['c'][(data['c']!=1)&((data['c']!=2))])
>>>
1 5
3 5
4 8
Name: c, dtype: int64
DataFrame场景：
分别删除a与b不同条件的数据
print(data[(data['a']!=1)&(data['c']!=2)]
>>>
a b c
1 9 9 5
2 4 5 1
3 2 7 5
print(data[(data!=1)&(data!=2)].dropna()) #与isin原理相同
a b c
1 9.0 9.0 5.0
以上这篇python删除指定列或多列单个或多个内容实例就是⼩编分享给⼤家的全部内容了，希望能给⼤家⼀个参考，也希望⼤家多多⽀持。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。