zoukankan      html  css  js  c++  java
  • 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']],
                         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
  • 相关阅读:
    原创: How to build a query based on Definition Updates installed
    About SCCM 2012 UDA(User Device Affinity)
    《失业的程序员》(二十):中国式的二把手
    《失业的程序员》(十九):工作与感情之间的传球 .
    《失业的程序员》(十八):意外的项目之旅 .
    《失业的程序员》(十七):保姆式的服务
    《失业的程序员》(十六):技术和商务的结合
    《失业的程序员》(十五):商业头脑
    《失业的程序员》(十四):兄和弟,矛和盾
    《失业的程序员》(十三):平衡
  • 原文地址:https://www.cnblogs.com/cgmcoding/p/14030237.html
Copyright © 2011-2022 走看看