pandas删除某一行数据|极客教程

pandas删除某一行数据

1. 概述

在数据分析和处理中，经常会遇到需要删除DataFrame中的某一行数据的情况。pandas是一种功能强大的数据分析工具，提供了多种方法来删除行数据。本文将详细介绍如何使用pandas删除指定的行数据。

2. 删除某一行数据的方法

以下列举了一些常用的方法来删除某一行数据：

2.1 使用`drop()`方法

drop()方法是pandas中常用的方法之一，可以通过指定行索引或条件进行删除。下面是一些示例：

2.1.1 删除指定行索引的数据

首先，我们创建一个示例DataFrame：

import pandas as pd

data = {'Name': ['John', 'Anna', 'Peter', 'Linda'],
        'Age': [23, 30, 42, 35],
        'City': ['New York', 'Paris', 'London', 'Tokyo']}
df = pd.DataFrame(data)
print(df)

运行结果：

   Name  Age      City
0  John   23  New York
1  Anna   30     Paris
2 Peter   42    London
3 Linda   35     Tokyo

现在，我们想删除索引为2的行数据，可以使用drop()方法：

df = df.drop(2)
print(df)

运行结果：

   Name  Age      City
0  John   23  New York
1  Anna   30     Paris
3 Linda   35     Tokyo

2.1.2 删除满足条件的行数据

除了根据索引删除行数据，我们还可以根据某一列的值来删除满足条件的行数据。以下示例删除Age列值大于等于30的行：

df = df.drop(df[df['Age'] >= 30].index)
print(df)

运行结果：

   Name  Age      City
0  John   23  New York

上述代码中的df[df['Age'] >= 30]将返回满足条件的行数据的DataFrame，然后通过.index方法获取这些行数据的索引，并传递给drop()方法进行删除。

2.2 使用`dropna()`方法

dropna()方法可以删除包含缺失值的行数据。示例代码如下：

df = df.dropna()
print(df)

运行结果：

   Name  Age      City
0  John   23  New York
1  Anna   30     Paris
2 Peter   42    London
3 Linda   35     Tokyo

如果DataFrame中包含了缺失值，调用dropna()方法会返回一个删除了缺失值的新DataFrame。

2.3 使用`reindex()`方法

reindex()方法可以删除指定的行索引。示例代码如下：

df = df.reindex([0, 1, 3])
print(df)

运行结果：

   Name  Age      City
0  John   23  New York
1  Anna   30     Paris
3 Linda   35     Tokyo

上述代码中的[0, 1, 3]表示要保留的行索引，其他行将会被删除。

2.4 使用`iloc`和`loc`方法

iloc和loc方法可以通过行索引和条件来删除行数据。以下是一些示例：

2.4.1 使用`iloc`方法删除指定行索引的数据

df = df.iloc[[0, 1, 3]]
print(df)

运行结果：

   Name  Age      City
0  John   23  New York
1  Anna   30     Paris
3 Linda   35     Tokyo

2.4.2 使用`loc`方法删除满足条件的行数据

df = df.loc[df['Age'] >= 30]
print(df)

运行结果：

   Name  Age    City
1  Anna   30   Paris
3 Linda   35   Tokyo

3. 总结

本文介绍了在pandas中删除某一行数据的几种常用方法，包括使用drop()方法、dropna()方法、reindex()方法以及iloc和loc方法。根据实际需求，可以选择适合的方法来删除行数据。

pandas删除某一行数据