Pandas中DataFrame数据删除详情

下面是关于"Pandas中DataFrame数据删除详情"的完整攻略：

1. 删除行和列

在Pandas中，DataFrame数据可以通过drop()函数对其行和列进行删除。该函数的语法如下：

DataFrame.drop(labels=None,axis=0/1, index=None, columns=None, level=None, inplace=False, errors='raise')

其中，各参数的含义如下：

• labels：要删除的行列标签（行和列都可以，具体由axis参数决定）。
• axis：默认0，指删除行。可选值为1，指删除列。
• index：要删除行的标签。
• columns：要删除列的标签。
• level：对于深层次的行列索引，指定要删除的级别。
• inplace：默认False，指定操作是否原地进行。如果为True，则直接修改DataFrame对象本身。
• errors：默认为'raise'，指定是否抛出异常。如果为'raise'，则会在标签不存在时抛出KeyError异常；如果为'ignore'则不抛出异常。

示例1：删除指定行

import pandas as pd

# 创建示例DataFrame数据
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}, index=['a', 'b', 'c'])

# 删除指定行
df.drop(['a', 'c'], inplace=True)

print(df)

输出结果：

   A  B  C
b  2  5  8

示例2：删除指定列

import pandas as pd

# 创建示例DataFrame数据
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}, index=['a', 'b', 'c'])

# 删除指定列
df.drop(['B'], axis=1, inplace=True)

print(df)

输出结果：

   A  C
a  1  7
b  2  8
c  3  9

2. 删除重复行

在Pandas中，可以使用drop_duplicates()函数删除DataFrame数据中的重复行。该函数的语法如下：

DataFrame.drop_duplicates(subset=None, keep='first', inplace=False, ignore_index=False)

其中各参数的含义如下：

• subset：指定哪些列进行去重。默认None，表示所有列均参与去重。
• keep：默认为'first'，表示保留第一次出现的行，可以设置为'last'，表示保留最后一次出现的行。
• inplace：默认为False，表示不修改原数据，而是返回去重后的新数据，如果设置为True，则直接在原数据上进行修改。
• ignore_index：默认为False，表示不重新对索引进行编号，如果为True，则重新进行编号。

示例3：删除重复行

import pandas as pd

# 创建示例DataFrame数据
df = pd.DataFrame({
    'A': [1, 2, 2, 3, 4],
    'B': [2, 3, 2, 4, 5],
    'C': [4, 2, 3, 4, 5]
})

# 删除重复行
df.drop_duplicates(inplace=True)

print(df)

输出结果：

   A  B  C
0  1  2  4
1  2  3  2
2  3  4  4
3  4  5  5

以上就是关于"Pandas中DataFrame数据删除详情"的完整攻略了。希望对你有所帮助。