df.drop（）函数删除多⾏或者多列
函数⽤法
从⾏或列中删除指定的标签
通过指定标签名称和相应的轴，或直接指定索引或列名称，删除⾏或列。使⽤多索引时，可以通过指定级别来删除不同级别上的标签函数参数
DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
参数解释：
1. labels：单个标签或类似列表，要删除的索引或列标签。
2. axis：{0或'index'，1或'columns'}，默认0，是从索引（0或“ index”）还是从列（1或“ columns”）中删除标签。
3. index：单个标签或类似列表，指定轴的替代⽅法（labels, axis=0 is equivalent to index=labels）
4. columns：单标签或类似列表，指定轴的替代⽅法(labels, axis=1 is equivalent to columns=labels)
5. level：int或级别名称，可选，对于MultiIndex，将从中删除标签的级别。
6. inplace：布尔值，默认为False，如果为False，则返回副本。否则，执⾏就地操作并返回⽆。
7. errors：{'ignore'，'raise'}，默认为'raise'，如果'ignore'，则抑制错误，仅删除现有标签。
注意：labels和axis的搭配
例⼦
#构建⼀个表
df = pd.DataFrame(np.arange(12).reshape(3, 4),
columns=['A', 'B', 'C', 'D'])
df
A B C D
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
删除列，需要注明axis=1或者是columns=xxx
#⼀种表达
df.drop(['B', 'C'], axis=1)
#另⼀种表达
df.drop(columns=['B', 'C'])
#还可以这样表达
df.drop(labels=['B', 'C'], axis=1)
A D
0 0 3
1 4 7
2 8 11
删除⾏，由于默认是删除⾏，因此可以这样⼦表达，
df.iloc[[0,1],:] #对⾏、列进⾏切⽚第1、2⾏
df.drop([0, 1])
A B C D
2 8 9 10 11
删除MultiIndex ⾏或者列
#新建⼀个复合索引的表
midx = pd.MultiIndex(levels=[['lama', 'cow', 'falcon'],
['speed', 'weight', 'length']],drop删除表
codes=[[0, 0, 0, 1, 1, 1, 2, 2, 2],
[0, 1, 2, 0, 1, 2, 0, 1, 2]])
df = pd.DataFrame(index=midx, columns=['big', 'small'],
data=[[45, 30], [200, 100], [1.5, 1], [30, 20],
[250, 150], [1.5, 0.8], [320, 250],
[1, 0.8], [0.3, 0.2]])
df
big small
lama speed 45.0 30.0
weight 200.0 100.0
length 1.5 1.0
cow speed 30.0 20.0
weight 250.0 150.0
length 1.5 0.8
falcon speed 320.0 250.0
weight 1.0 0.8
length 0.3 0.2
删除⾏
#删除
df.drop(index='length', level=1)
big small
lama speed 45.0 30.0
weight 200.0 100.0
cow speed 30.0 20.0
weight 250.0 150.0
falcon speed 320.0 250.0
weight 1.0 0.8
删除列
#删除某⾏某列
df.drop(index='cow', columns='small') big
lama speed 45.0
weight 200.0
length 1.5
falcon speed 320.0
weight 1.0
length 0.3
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。
发表评论