Python中的Drop用法介绍|极客教程

Python中的Drop用法介绍

1. 简介

drop() 是 Python 中常用的函数之一，它用于删除数据集中不需要的行或列。不同的数据结构有不同的用法和返回结果，本文主要介绍 drop() 在 Pandas 中的用法。

Pandas 是一个强大的数据分析和数据处理工具，drop() 是其核心函数之一。通过掌握 drop() 的用法，我们可以更好地掌握数据处理的技巧，提高工作效率。

在本文中，我们将详细介绍 drop() 的用法，并通过示例代码对其进行演示和说明。

2. `drop()` 函数的语法

在 Pandas 中，drop() 函数的基本语法如下：

DataFrame.drop(labels, axis)

其中：

labels：需要删除的行或列的标签或列表。
axis：指定删除的方向，可选值为 0（按行删除）或 1（按列删除）。默认为 0。

drop() 函数的返回类型取决于删除的是行还是列。若删除的是行，则返回一个新的 DataFrame 对象，若删除的是列，则返回一个新的 Series 对象。

3. 使用 `drop()` 删除行

首先，我们先来创建一个示例 DataFrame 对象：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
        'Age': [25, 30, 35, 40, 45],
        'City': ['New York', 'Paris', 'London', 'Tokyo', 'Sydney']}

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

运行结果：

      Name  Age      City
0    Alice   25  New York
1      Bob   30     Paris
2  Charlie   35    London
3    David   40     Tokyo
4      Eve   45    Sydney

接下来，我们使用 drop() 删除一行：

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

运行结果：

    Name  Age      City
0  Alice   25  New York
1    Bob   30     Paris
3  David   40     Tokyo
4    Eve   45    Sydney

上述示例中，我们使用 df.drop(2) 删除了索引为 2 的行（即第三行）。可以看到，删除后的 DataFrame 只保留了索引为 0、1、3、4 的行。

4. 使用 `drop()` 删除列

接下来，我们来使用 drop() 函数删除列。同样使用上述示例中的 DataFrame。

df_dropped = df.drop('Age', axis=1)
print(df_dropped)

运行结果：

      Name      City
0    Alice  New York
1      Bob     Paris
2  Charlie    London
3    David     Tokyo
4      Eve    Sydney

上述示例中，我们使用 df.drop('Age', axis=1) 删除了列标签为 ‘Age’ 的列。可以看到，删除后的 DataFrame 只保留了列标签为 ‘Name’ 和 ‘City’ 的列。

5. 删除多行或多列

除了删除单个行或列，drop() 还支持删除多行或多列。以下是示例代码：

df_dropped = df.drop([1, 3])
print(df_dropped)

运行结果：

      Name  Age      City
0    Alice   25  New York
2  Charlie   35    London
4      Eve   45    Sydney

上述示例中，我们使用 df.drop([1, 3]) 删除了索引为 1 和 3 的两行。可以看到，删除后的 DataFrame 只保留了索引为 0、2、4 的行。

我们也可以删除多个列，示例代码如下：

df_dropped = df.drop(['Age', 'City'], axis=1)
print(df_dropped)

运行结果：

      Name
0    Alice
1      Bob
2  Charlie
3    David
4      Eve

上述示例中，我们使用 df.drop(['Age', 'City'], axis=1) 删除了列标签为 ‘Age’ 和 ‘City’ 的两列。可以看到，删除后的 DataFrame 只保留了列标签为 ‘Name’ 的列。

6. 使用 `inplace` 参数

inplace 是 drop() 函数的一个可选参数，用于指定是否在原地删除行或列，而不是返回一个新的 DataFrame 或 Series 对象。默认情况下，inplace 参数的值为 False，即返回一个新的对象。

以下是示例代码：

df.drop([1, 3], inplace=True)
print(df)

运行结果：

      Name  Age      City
0    Alice   25  New York
2  Charlie   35    London
4      Eve   45    Sydney

上述示例中，我们通过在 drop() 函数中设置 inplace=True，直接在原地删除了索引为 1 和 3 的两行。可以看到，原 DataFrame 中的行已被删除。

使用 inplace=True 可以避免创建新的 DataFrame 或 Series 对象，对于大型数据集来说，可以节省内存并提高效率。

7. 总结

本文详细介绍了 drop() 函数在 Python 中的用法。通过学习 drop() 的语法和示例代码，我们可以更好地掌握如何利用该函数删除不需要的行或列。

在实际的数据处理中，drop() 是非常实用的函数，能够帮助我们处理不需要的数据，提高数据分析的准确性和效率。

Python中的Drop用法介绍