如何使用pandas的drop函数删除列|极客教程

如何使用pandas的drop函数删除列

在数据分析过程中，我们经常需要对数据进行清洗和预处理，其中一个常见的操作就是删除不需要的列。在Python的pandas库中，我们可以使用drop函数来实现这个操作。drop函数的axis参数可以帮助我们指定删除的是行还是列。本文将详细介绍如何使用pandas的drop函数删除列，并提供一些示例代码。

1. pandas drop函数基础

在pandas中，drop函数可以用来删除DataFrame或Series的行或列。其基本语法如下：

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

参数说明：

labels：要删除的行或列的标签。
axis：删除行还是列。如果axis=0，则删除行，如果axis=1，则删除列。
index：要删除的行的标签。
columns：要删除的列的标签。
level：用于多级索引。
inplace：是否在原地修改数据。如果inplace=True，则在原地修改数据，如果inplace=False，则返回一个新的DataFrame。
errors：如果设置为'raise'，则当标签不存在时抛出错误，如果设置为'ignore'，则当标签不存在时忽略错误。

下面我们通过一些示例来说明如何使用drop函数删除列。

2. 删除单列

如果我们只想删除DataFrame的一列，可以直接传入列名到drop函数的labels参数，并设置axis=1。

示例代码：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}, index=['a', 'b', 'c'])

# 删除列'B'
df.drop('B', axis=1)
print(df)

Output:

如何使用pandas的drop函数删除列

3. 删除多列

如果我们想删除DataFrame的多列，可以传入一个列名列表到drop函数的labels参数，并设置axis=1。

示例代码：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}, index=['a', 'b', 'c'])

# 删除列'B'和'C'
df.drop(['B', 'C'], axis=1)
print(df)

Output:

如何使用pandas的drop函数删除列

4. 使用columns参数删除列

除了使用labels参数和axis参数删除列，我们还可以直接使用columns参数删除列。

示例代码：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}, index=['a', 'b', 'c'])

# 删除列'B'
df.drop(columns='B')
print(df)

Output:

如何使用pandas的drop函数删除列

5. 在原地删除列

默认情况下，drop函数会返回一个新的DataFrame，原DataFrame不会被修改。如果我们想在原地修改DataFrame，可以设置inplace=True。

示例代码：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}, index=['a', 'b', 'c'])

# 在原地删除列'B'
df.drop('B', axis=1, inplace=True)
print(df)

Output:

如何使用pandas的drop函数删除列

6. 删除不存在的列

如果我们尝试删除一个不存在的列，drop函数默认会抛出一个错误。如果我们不希望抛出错误，可以设置errors='ignore'。

示例代码：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6],
    'C': [7, 8, 9]
}, index=['a', 'b', 'c'])

# 尝试删除不存在的列'D'
df.drop('D', axis=1, errors='ignore')
print(df)

Output:

如何使用pandas的drop函数删除列

7. 删除多级索引的列

如果我们的DataFrame有多级索引的列，我们可以通过传入一个元组的列表来删除特定的列。

示例代码：

import pandas as pd

# 创建一个具有多级索引列的DataFrame
df = pd.DataFrame({
    ('A', 'a'): [1, 2, 3],
    ('A', 'b'): [4, 5, 6],
    ('B', 'a'): [7, 8, 9]
}, index=['x', 'y', 'z'])

# 删除列('A', 'b')
df.drop(('A', 'b'), axis=1)
print(df)

Output:

如何使用pandas的drop函数删除列

8. 删除满足条件的列

有时候，我们可能想删除满足特定条件的列。例如，我们可能想删除所有值都为NaN的列。这时，我们可以先使用isna函数和all函数找出所有值都为NaN的列，然后使用drop函数删除这些列。

示例代码：

import pandas as pd
import numpy as np

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, np.nan],
    'B': [np.nan, np.nan, np.nan],
    'C': [7, 8, 9]
}, index=['a', 'b', 'c'])

# 找出所有值都为NaN的列
cols_to_drop = df.columns[df.isna().all()]

# 删除这些列
df.drop(cols_to_drop, axis=1)
print(df)

Output:

如何使用pandas的drop函数删除列

9. 删除包含特定字符串的列

我们也可以删除列名包含特定字符串的列。例如，我们可以删除所有列名包含”pandasdataframe.com”的列。

示例代码：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A_pandasdataframe.com': [1, 2, 3],
    'B': [4, 5, 6],
    'C_pandasdataframe.com': [7, 8, 9]
}, index=['a', 'b', 'c'])

# 找出列名包含"pandasdataframe.com"的列
cols_to_drop = df.columns[df.columns.str.contains('pandasdataframe.com')]

# 删除这些列
df.drop(cols_to_drop, axis=1)
print(df)

Output:

如何使用pandas的drop函数删除列

10. 删除特定类型的列

我们还可以删除特定类型的列。例如，我们可以删除所有类型为object的列。

示例代码：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': ['a', 'b', 'c'],
    'C': [7, 8, 9]
}, index=['x', 'y', 'z'])

# 找出类型为object的列
cols_to_drop = df.select_dtypes(include='object').columns

# 删除这些列
df.drop(cols_to_drop, axis=1)
print(df)

Output:

如何使用pandas的drop函数删除列