Bagaimana untuk memadam baris dalam panda

小老鼠
Lepaskan: 2023-12-01 16:44:59
asal
3974 orang telah melayarinya

Kaedah panda untuk memadam baris termasuk menggunakan fungsi drop(), menggunakan indeks untuk memadam baris, menggunakan syarat untuk memadam baris dan menggunakan fungsi iloc() untuk memadam baris. Pengenalan terperinci: 1. Gunakan fungsi drop(): Pandas menyediakan fungsi drop() yang boleh memadamkan baris dengan menentukan indeks atau label. Sintaks fungsi ini ialah "DataFrame.drop(labels, axis=0, inplace=False)" 2. Gunakan indeks untuk memadam baris: anda boleh terus menggunakan indeks untuk memadam, dsb.

Bagaimana untuk memadam baris dalam panda

Sistem pengendalian tutorial ini: sistem Windows 10, Python versi 3.11.4, komputer Dell G3.

Pandas ialah perpustakaan Python yang berkuasa untuk analisis data dan manipulasi data. Apabila berurusan dengan jumlah data yang besar, kadangkala anda perlu memadamkan baris tertentu dalam DataFrame. Artikel ini akan memperkenalkan beberapa cara untuk memadamkan baris menggunakan Panda.

Kaedah 1: Gunakan fungsi drop()

Pandas menyediakan fungsi drop() yang boleh memadamkan baris dengan menyatakan indeks atau label. Sintaks fungsi ini adalah seperti berikut:

DataFrame.drop(labels, axis=0, inplace=False)
Salin selepas log masuk

di mana label mewakili indeks atau label baris yang akan dipadamkan, paksi mewakili arah pemadaman, 0 mewakili baris dan 1 mewakili lajur. Apabila inplace adalah False, DataFrame asal tidak akan diubah suai apabila ia True, DataFrame asal akan diubah suai.

Contoh kod:

import pandas as pd # 创建一个示例DataFrame data = {'A': [1, 2, 3, 4], 'B': ['a', 'b', 'c', 'd']} df = pd.DataFrame(data) # 删除第一行 df = df.drop(0) print(df) ``` 输出结果: ``` A B 1 2 b 2 3 c 3 4 d
Salin selepas log masuk

Kaedah 2: Gunakan indeks untuk memadam baris

Jika kita tahu indeks baris yang hendak dipadam, kita boleh terus menggunakan indeks untuk memadam.

Kod contoh:

import pandas as pd # 创建一个示例DataFrame data = {'A': [1, 2, 3, 4], 'B': ['a', 'b', 'c', 'd']} df = pd.DataFrame(data) # 删除第一行 df = df.drop(df.index[0]) print(df) ``` 输出结果: ``` A B 1 2 b 2 3 c 3 4 d
Salin selepas log masuk

Kaedah 3: Gunakan syarat untuk memadam baris

Kadangkala, kita perlu memadamkan baris berdasarkan syarat tertentu. Ini boleh dicapai menggunakan pengindeksan Boolean.

Kod sampel:

import pandas as pd # 创建一个示例DataFrame data = {'A': [1, 2, 3, 4], 'B': ['a', 'b', 'c', 'd']} df = pd.DataFrame(data) # 根据条件删除行 df = df[df['A'] != 2] print(df)
Salin selepas log masuk

Hasil keluaran:

A B 0 1 a 2 3 c 3 4 d
Salin selepas log masuk

Kaedah 4: Gunakan fungsi iloc() untuk memadam baris

Pandas menyediakan fungsi iloc() untuk memadam baris berdasarkan kedudukan.

Contoh kod:

import pandas as pd # 创建一个示例DataFrame data = {'A': [1, 2, 3, 4], 'B': ['a', 'b', 'c', 'd']} df = pd.DataFrame(data) # 删除第一行 df = df.drop(df.index[[0]]) print(df)
Salin selepas log masuk

Hasil keluaran:

A B 1 2 b 2 3 c 3 4 d
Salin selepas log masuk

Ringkasan:

Artikel ini memperkenalkan beberapa kaedah untuk memadam baris menggunakan Panda, termasuk menggunakan fungsi drop(), menggunakan indeks untuk memadam baris, menggunakan syarat untuk memadam baris Fungsi iloc() memadamkan baris. Pilih kaedah yang sesuai untuk memadamkan baris dalam DataFrame mengikut keperluan sebenar, yang membantu memproses sejumlah besar data dengan lebih cekap

Atas ialah kandungan terperinci Bagaimana untuk memadam baris dalam panda. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Label berkaitan:
sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan
Tentang kita Penafian Sitemap
Laman web PHP Cina:Latihan PHP dalam talian kebajikan awam,Bantu pelajar PHP berkembang dengan cepat!