Pandas DataFrame Drop函数介绍

在使用Pandas读取数据后，我们可能需要对数据进行处理和清洗。其中，删除DataFrame中的某些行或列是常见的操作之一。Pandas中提供了df.drop()函数来满足这一需求。

函数语法

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

参数说明：

• labels：可选，要删除的行或列的索引或标签。
• axis：可选，指定删除行或列，0表示行，1表示列，默认为0。
• index和columns：可选，与labels参数作用相同。
• level：用于MultiIndex的层级数。
• inplace：可选，如果为True，则修改原始DataFrame，否则不修改。
• errors：可选，如果遇到不存在的索引或标签，如何处理。默认为raise，也可以选择ignore。

示例1

我们根据一个学生考试的DataFrame来演示该函数的使用。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [18, 20, 21, 19],
        'score': [82, 92, 76, 88]}

df = pd.DataFrame(data)
print(df)

输出结果为：

       name  age  score
0     Alice   18     82
1       Bob   20     92
2   Charlie   21     76
3     David   19     88

现在我们要删除age这一列，可以使用以下代码：

df.drop('age', axis=1, inplace=True)
print(df)

输出结果为：

      name  score
0    Alice     82
1      Bob     92
2  Charlie     76
3    David     88

可以看到，axis=1表示删除列，inplace=True表示在原始DataFrame上进行修改，'age'为要删除的列名。

示例2

我们现在有一个包含多个子DataFrame的DataFrame，每个子DataFrame都是一个学校的成绩，我们要将其中一些学校的成绩删除。

import pandas as pd
import numpy as np

data1 = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
         'score': [82, 92, 76, 88]}
data2 = {'name': ['Eva', 'Frank', 'Grace', 'Henry'],
         'score': [90, 85, 80, 88]}
data3 = {'name': ['Ivy', 'Jack', 'Kelly', 'Lucy'],
         'score': [95, 89, 84, 82]}

df1 = pd.DataFrame(data1, index=['a', 'b', 'c', 'd'])
df2 = pd.DataFrame(data2, index=['e', 'f', 'g', 'h'])
df3 = pd.DataFrame(data3, index=['i', 'j', 'k', 'l'])

df_schools = pd.concat([df1, df2, df3])
print(df_schools)

输出结果为：

      name  score
a    Alice     82
b      Bob     92
c  Charlie     76
d    David     88
e      Eva     90
f    Frank     85
g    Grace     80
h    Henry     88
i      Ivy     95
j     Jack     89
k    Kelly     84
l     Lucy     82

我们要删除df1和df3这两个子DataFrame，可以使用以下代码：

df_schools.drop(index=['a', 'c', 'd', 'i', 'k', 'l'], inplace=True)
print(df_schools)

输出结果为：

    name  score
e    Eva     90
f  Frank     85
g  Grace     80
h  Henry     88
j   Jack     89

可以看到，index参数指定要删除的行，多行用列表形式传入。inplace=True表示在原始DataFrame上进行修改。