如何使用Python Pandas中的drop()函数？

python基础pandas的drop()用法

做数据处理得时候用到了pandas,体验不错，记录如下：

import pandas as pd
import numpy as np

直接可以用pandas生成随机数组

df = pd.DataFrame(np.random.randn(5,3),index = list('abcde'),columns = ['one','two','three'])

假设其中存在空数：

df.ix[1,:-1] = np.nan  #第二行，排除倒数第一个都是Nan
df.ix[1:-1,2] = np.nan #第三列，排除第一个和最后一个都是Nan

把Nan的全部删掉

print('\n',df.dropna())

有选择的删，而不是删Nan

print(df.drop(['one'],axis=1))
print(df.drop(['a','c'],axis = 0))

补充：python pandas 之drop()函数

drop函数的使用

（1）drop() 删除行和列

drop([ ],axis=0,inplace=True)

• drop([])，默认情况下删除某一行；

• 如果要删除某列，需要axis=1；

• 参数inplace 默认情况下为False，表示保持原来的数据不变，True 则表示在原来的数据上改变。

import pandas as pd
 
import numpy as np
 
data=pd.DataFrame(np.arange(20).reshape((5,4)),columns=list('ABCD'),index=['a','b','c','d','e'])
print(data)
print('*'*40)
print(data.drop(['a'])) #删除a 行，默认inplace=False,
print('*'*40)
print(data)#  data 没有变化
print('*'*40)
print(data.drop(['A'],axis=1))#删除列
print('*'*40)
print(data.drop(['A'],axis=1,inplace=True)) #在本来的data 上删除
print('*'*40)
print(data)data 发生变化

 
    A   B   C   D
a   0   1   2   3
b   4   5   6   7
c   8   9  10  11
d  12  13  14  15
e  16  17  18  19
****************************************
    A   B   C   D
b   4   5   6   7
c   8   9  10  11
d  12  13  14  15
e  16  17  18  19
****************************************
    A   B   C   D
a   0   1   2   3
b   4   5   6   7
c   8   9  10  11
d  12  13  14  15
e  16  17  18  19
****************************************
    B   C   D
a   1   2   3
b   5   6   7
c   9  10  11
d  13  14  15
e  17  18  19
****************************************
None
****************************************
    B   C   D
a   1   2   3
b   5   6   7
c   9  10  11
d  13  14  15
e  17  18  19

以上就是如何使用Python Pandas中的drop()函数？的详细内容，更多请关注php中文网其它相关文章！