Pandas库学习之DataFrame.drop()函数

一、简介

DataFrame.drop 是 Pandas 库中一个非常实用的函数，用于删除 DataFrame 中的行或列。通过指定列名或行索引，可以灵活地从数据集中移除不需要的数据。这对于数据清洗和预处理非常有用。

二、语法和参数

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

参数

• labels: 要删除的标签，可以是数组、列表、元组或单个标签。
• axis: 删除的轴，0 表示行，1 表示列，默认为 0。
• index: 如果为 True，则删除标签为索引。
• columns: 如果为 True，则删除标签为列。
• level: 指定删除标签的级别，仅在使用多级索引时有效。
• inplace: 如果为 True，则在原地修改 DataFrame，否则返回一个新的 DataFrame。

三、实例

3.1 删除指定行

import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
    'C': [9, 10, 11, 12]
})

# 删除第一行
result = df.drop(0)
print(result)

输出：

   A   B   C
1  2   6  10
2  3   7  11
3  4   8  12

3.2 删除指定列

# 删除列 'B'
result = df.drop('B', axis=1)
print(result)

输出：

   A   C
0  1   9
1  2  10
2  3  11
3  4  12

3.3 删除多个行和列

import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
    'C': [9, 10, 11, 12]
})

# 删除列 'B'
result = df.drop(columns='B', axis=1)
print(result)

输出：

   A   B
0  1   5
2  3   7
3  4   8

3.4 使用 inplace 修改原 DataFrame

import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3, 4],
    'B': [5, 6, 7, 8],
    'C': [9, 10, 11, 12]
})
print(df)
# 删除列 'A' 并直接修改原 DataFrame
df.drop('A', axis=1, inplace=True)
print(df)

输出：

   A  B   C
0  1  5   9
1  2  6  10
2  3  7  11
3  4  8  12
   B   C
0  5   9
1  6  10
2  7  11
3  8  12

四、注意事项

1. 索引和列名：确保删除的标签是存在的，否则会引发 KeyError。
2. inplace 参数：使用 inplace=True 时，原 DataFrame 会被修改，不返回新的 DataFrame。
3. 多级索引：在使用多级索引时，level 参数可以指定删除标签的级别。
4. 数据类型：删除操作不会影响 DataFrame 的数据类型。