Python 使用Pandas.drop()从DataFrame中删除行/列

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python软件包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas为数据分析师提供了一种使用.drop()方法来删除和过滤数据框架的方法。行或列可以通过这个方法使用索引标签或列名来删除。

语法:
DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors=’raise’)

参数:

labels：引用行或列名称的字符串或字符串列表。
axis：int或string值，0’index’代表Rows，1’columns’代表Columns。
index或columns：单一标签或列表。索引或列是axis的替代品，不能一起使用。
level: 用于在数据框架有多级索引的情况下指定级别。
inplace:如果为真，则在原始数据框中进行修改。
errors：如果列表中的任何值不存在，则忽略错误，当错误=’忽略’时，丢弃其余的值。

返回类型: 带有删除值的数据框架

例子#1：通过索引标签丢弃行
在他的代码中，传递了一个索引标签的列表，并使用.drop()方法丢弃与这些标签对应的行。

# importing pandas module
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name" )
  
# dropping passed values
data.drop(["Avery Bradley", "John Holland", "R.J. Hunter",
                            "R.J. Hunter"], inplace = True)
  
# display
data

输出:
如输出图像所示，新的输出没有通过的值。这些值被丢掉了，由于inplace是True，所以在原始数据框中进行了修改。

丢弃值之前的数据框架

Python 使用Pandas.drop()从DataFrame中删除行/列。

丢掉数值后的数据框

Python 使用Pandas.drop()从DataFrame中删除行/列。

例子#2：用列名删除列

在他的代码中，通过的列使用列名被删除。axis参数被保留为1，因为1指的是列。

# importing pandas module
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name" )
  
# dropping passed columns
data.drop(["Team", "Weight"], axis = 1, inplace = True)
  
# display
data