Pandas常用操作

1. 删除指定行

• new_df = df.drop(index='行索引')
• new_df = df.drop('行索引', axis='index')
• new_df = df.drop('行索引', axis=0)
  
  

2. 删除指定的多行

• new_df = df.drop(index=['行索引1', '行索引2'])
• new_df = df.drop(['行索引1', '行索引2'], axis='index')
• new_df = df.drop(['行索引1', '行索引2'], axis=0)
  
  

3. 删除指定列

• new_df = df.drop(columns='列名')
• new_df = df.drop('列名', axis='columns')
• new_df = df.drop('列名', axis=1)
  
  

4. 删除指定的多列

• new_df = df.drop(columns=['列名1', '列名2'])
• new_df = df.drop(['列名1', '列名2'], axis='columns')
• new_df = df.drop(['列名1', '列名2'], axis=1)
  
  

5. 测试

5.1 初始化数据

df = pd.DataFrame({'stu_name': ['Nancy', 'Tony', 'Tim', 'Jack', 'Lucy'], 'stu_age': [17, 16, 16, 21, 19]},
                  index=['row0', 'row1', 'row2', 'row3', 'row4'])

     stu_name  stu_age
idx0    Nancy       17
idx1     Tony       16
idx2      Tim       16
idx3     Jack       21
idx4     Lucy       19

5.2 删除row2、row3

new_df = df.drop(['row2', 'row3'], axis='index')

     stu_name  stu_age
row0    Nancy       17
row1     Tony       16
row4     Lucy       19

6. drop 常用参数含义

inplace: 是否修改原Dataframe。

• False: 返回新的Dataframe（默认）
• True: 直接修改原Dataframe，返回None

axis: 轴，是否从 索引 或 列 中删除标签。 (与sum，mean等计算函数中的axis的含义不同)

• 0 或 index: 方向为行，默认值0
• 1 或 columns: 方向为列