pandas 删除行|极客教程

pandas 删除行

在数据处理中，有时候我们需要删除某些行来清洗数据或者筛选数据。在使用Python中的pandas库来处理数据时，删除行是一个常见操作。本文将详细介绍如何在pandas中删除行的方法，包括根据索引删除行、根据条件删除行等。

准备工作

在开始操作之前，我们首先需要导入pandas库，并创建一个示例DataFrame来演示删除行的操作。

import pandas as pd

# 创建示例数据
data = {'A': [1, 2, 3, 4, 5],
        'B': ['apple', 'banana', 'grape', 'orange', 'watermelon'],
        'C': [0.5, 0.7, 0.3, 0.9, 0.2]}

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

运行以上代码，我们可以得到如下示例数据的DataFrame：

   A           B    C
0  1       apple  0.5
1  2      banana  0.7
2  3       grape  0.3
3  4      orange  0.9
4  5  watermelon  0.2

接下来，我们将介绍如何根据不同的条件删除行。

根据索引删除行

通过索引删除单行

我们可以使用drop()方法来删除指定索引的行，通过指定索引值和axis参数为0来删除行。下面是删除第三行的示例代码：

new_df = df.drop(2, axis=0)
print(new_df)

运行以上代码，我们可以得到删除第三行后的DataFrame：

   A           B    C
0  1       apple  0.5
1  2      banana  0.7
3  4      orange  0.9
4  5  watermelon  0.2

通过索引删除多行

如果要删除多行，则可以通过传入一个列表来指定多个索引，示例如下：

new_df = df.drop([1, 3], axis=0)
print(new_df)

运行以上代码，我们可以得到删除第二行和第四行后的DataFrame：

   A           B    C
0  1       apple  0.5
2  3       grape  0.3
4  5  watermelon  0.2

根据条件删除行

除了根据索引删除行外，我们还可以根据条件来删除行。下面将介绍两种常见的根据条件删除行的方法。

根据某列的数值条件删除行

我们可以使用布尔索引来根据某一列的数值条件来删除行。例如，我们要删除’C’列数值大于0.5的行：

new_df = df[df['C'] <= 0.5]
print(new_df)

运行以上代码，我们可以得到’C’列数值小于等于0.5的行的DataFrame：

   A      B    C
0  1  apple  0.5
2  3  grape  0.3
4  5  watermelon 0.2

多条件删除行

如果要同时满足多个条件，可以使用&符号来连接条件。例如，我们要删除满足A列大于等于3且C列小于0.5的行：

new_df = df[(df['A'] < 3) & (df['C'] >= 0.5)]
print(new_df)

运行以上代码，我们可以得到满足条件的行的DataFrame：

   A      B    C
1  2  banana 0.7

小结

在本文中，我们介绍了两种常见的删除行的方法：根据索引删除行和根据条件删除行。通过这些方法，我们可以灵活地对DataFrame进行数据处理和清洗。在实际应用中，根据具体需求选择合适的方法来删除不需要的行，可以使数据处理更加高效和准确。

pandas 删除行