pandas 删除索引|极客教程

pandas 删除索引

在数据处理和分析中，pandas 是一个功能强大且广泛应用的数据操作工具。它提供了丰富的函数和方法，可以方便地对数据进行操作、分析和可视化。其中，删除索引是 pandas 中一项常用的操作，本文将详细介绍 pandas 中删除索引的方法和技巧。

1. pandas 的基本介绍

在正式介绍 pandas 中删除索引方法之前，我们先对 pandas 进行一个基本的介绍。

1.1 pandas 的安装

pandas 是基于 NumPy 的一个开源数据处理和分析库，它可以处理各种类型的数据，包括表格数据、时间序列数据等。要使用 pandas，首先需要安装 pandas 包。可以通过 pip 命令进行安装：

pip install pandas

1.2 pandas 的数据结构

pandas 提供了两种主要的数据结构：Series 和 DataFrame。

Series 是 pandas 中的一维数组，它由一组数据和一组与之相关的标签组成。可以将 Series 看作是带标签的一维数组。
DataFrame 是 pandas 中的二维表格数据结构，它由一组有序的列构成。DataFrame 可以看作是由多个 Series 组成的字典结构。

2. 删除索引的方法

在 pandas 中，我们可以使用不同的方法来删除索引，根据需要选择不同的方法。下面将介绍 pandas 中常用的删除索引的方法。

2.1 使用 `drop()` 方法删除索引

pandas 提供了 drop() 方法用于删除索引。该方法可以删除指定的行或列，并返回一个新的数据副本，原始数据保持不变。

下面是使用 drop() 方法删除索引的示例代码：

import pandas as pd

# 创建 DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Emily'],
        'Age': [20, 25, 30, 35],
        'City': ['London', 'New York', 'Paris', 'Tokyo']}
df = pd.DataFrame(data)

# 删除指定索引
new_df = df.drop(0)  # 删除第一行
print(new_df)

运行上述代码，我们可以得到以下输出：

   Name  Age      City
1  Nick   25  New York
2  John   30     Paris
3  Emily  35     Tokyo

在上述代码中，我们首先创建了一个包含姓名、年龄和城市的 DataFrame。之后，使用 drop() 方法删除了索引为 0 的行，即删除了第一行数据。最后，通过打印新的 DataFrame，我们可以发现第一行已被成功删除。

需要注意的是，drop() 方法默认删除行，如果需要删除列，则需要指定 axis 参数为 1，如下所示：

new_df = df.drop('City', axis=1)  # 删除列

2.2 使用 `reindex()` 方法删除索引

除了 drop() 方法，pandas 还提供了 reindex() 方法用于删除索引。该方法可以重新索引数据，从而删除指定的行或列，并返回一个新的数据副本，原始数据保持不变。

下面是使用 reindex() 方法删除索引的示例代码：

import pandas as pd

# 创建 DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Emily'],
        'Age': [20, 25, 30, 35],
        'City': ['London', 'New York', 'Paris', 'Tokyo']}
df = pd.DataFrame(data)

# 删除指定索引
new_df = df.reindex(index=[1, 2, 3])  # 删除第一行和最后一行
print(new_df)

运行上述代码，我们可以得到以下输出：

   Name  Age      City
1  Nick   25  New York
2  John   30     Paris
3  Emily  35     Tokyo

在上述代码中，我们首先创建了一个包含姓名、年龄和城市的 DataFrame。之后，使用 reindex() 方法删除了索引为 0 的行，即删除了第一行数据。最后，通过打印新的 DataFrame，我们可以发现第一行已被成功删除。

需要注意的是，reindex() 方法默认重新索引行，如果需要重新索引列，则需要指定 columns 参数，如下所示：

new_df = df.reindex(columns=['Name', 'Age'])  # 删除列

2.3 使用 `dropna()` 方法删除缺失值索引

在实际数据处理中，经常会遇到缺失值的情况。pandas 提供了 dropna() 方法用于删除缺失值所在的行或列，并返回一个新的数据副本，原始数据保持不变。

下面是使用 dropna() 方法删除缺失值索引的示例代码：

import pandas as pd

# 创建包含缺失值的 DataFrame
data = {'Name': ['Tom', None, 'John', 'Emily'],
        'Age': [20, 25, None, 35],
        'City': ['London', 'New York', 'Paris', None]}
df = pd.DataFrame(data)

# 删除缺失值索引
new_df = df.dropna()
print(new_df)

运行上述代码，我们可以得到以下输出：

  Name   Age      City
0  Tom  20.0    London

在上述代码中，我们首先创建了一个包含缺失值的 DataFrame。之后，使用 dropna() 方法删除了包含缺失值的行，即删除了第二行和第四行数据。最后，通过打印新的 DataFrame，我们可以发现包含缺失值的行已被成功删除。

需要注意的是，dropna() 方法默认删除行，如果需要删除列，则需要指定 axis 参数为 1，如下所示：

new_df = df.dropna(axis=1)  # 删除列

3. 总结

本文介绍了 pandas 中删除索引的方法和技巧。通过使用 drop() 方法、reindex() 方法和 dropna() 方法，我们可以方便地删除指定的行或列，从而满足不同的数据处理和分析需求。

pandas 删除索引