Permulaan Pantas: Petua untuk memadamkan lajur yang ditentukan dalam Pandas
Pandas ialah perpustakaan analisis data yang berkuasa yang menyediakan banyak fungsi dan kaedah yang mudah untuk memproses dan memanipulasi data. Semasa analisis data, kadangkala kita perlu memadamkan beberapa lajur yang tidak diperlukan daripada set data. Artikel ini akan memperkenalkan teknik memadamkan lajur tertentu dalam Panda dan memberikan contoh kod khusus.
Sebelum kita bermula, kita perlu mengimport pustaka Pandas dan mencipta set data sampel untuk menunjukkan operasi pemadaman lajur.
import pandas as pd # 创建示例数据集 data = {'姓名': ['小明', '小红', '小刚'], '年龄': [18, 20, 22], '性别': ['男', '女', '男'], '成绩': [90, 95, 80]} df = pd.DataFrame(data)
Kini kami mempunyai set data dengan nama, umur, jantina dan gred. Katakan kami ingin mengalih keluar lajur jantina daripada set data kami. Berikut ialah beberapa cara biasa untuk mencapai matlamat ini.
drop()
drop()
方法drop()
方法可以接受一个参数columns
,用于指定要删除的列名。以下是使用drop()
方法删除性别列的示例代码:
df_drop = df.drop(columns=['性别'])
这样就会生成一个新的DataFrame df_drop
,它不包含原始数据集中的性别列。
del
关键字在Python中,我们可以使用del
关键字删除对象。对于DataFrame对象,我们可以使用类似的语法来删除列。以下是使用del
关键字删除性别列的示例代码:
del df['性别']
这样就会直接删除原始数据集中的性别列。
pop()
方法pop()
方法用于删除指定列,并返回被删除列的内容。以下是使用pop()
方法删除性别列的示例代码:
sex = df.pop('性别')
这样就会删除原始数据集中的性别列,并将被删除列的内容赋值给变量sex
。
reindex()
方法reindex()
方法可以用来重新索引DataFrame对象。如果我们将要删除的列的索引从DataFrame中删除,那么删除操作也会被执行。以下是使用reindex()
方法删除性别列的示例代码:
df_reindex = df.reindex(columns=['姓名', '年龄', '成绩'])
这样就会生成一个新的DataFrame df_reindex
,它不包含原始数据集中的性别列。
上述示例代码中的每种方法都可以实现删除指定列的功能。具体选择哪种方法取决于你的需求和个人喜好。
在实际应用中,我们可能会遇到更复杂的情况,例如删除多个列、删除不连续的列等。在这些情况下,你可以根据需要进行组合和调整上述方法。
总结:
本文介绍了在Pandas中删除指定列的几种常用方法:使用drop()
方法、del
关键字、pop()
方法和reindex()
Kaedah drop()
boleh menerima parameter lajur
untuk Tentukan nama lajur untuk dipadamkan. Berikut ialah contoh kod untuk menggugurkan lajur jantina menggunakan kaedah drop()
:
Ini akan menjana DataFrame df_drop
baharu yang tidak mengandungi lajur jantina daripada asal set data .
del
del
untuk memadamkan objek. Untuk objek DataFrame, kami boleh menggunakan sintaks yang serupa untuk memadamkan lajur. Berikut ialah contoh kod untuk memadamkan lajur jantina menggunakan kata kunci del
: 🎜rrreee🎜Ini akan memadamkan terus lajur jantina dalam set data asal. 🎜pop()
pop()
digunakan untuk memadamkan yang ditentukan lajur dan kembalikan Kandungan lajur yang dipadam. Berikut ialah contoh kod untuk menggunakan kaedah pop()
untuk memadamkan lajur jantina: 🎜rrreee🎜Ini akan memadamkan lajur jantina dalam set data asal dan menetapkan kandungan lajur yang dipadamkan kepada pembolehubah jantina
. 🎜reindex()
reindex()
boleh digunakan untuk mengindeks semula Objek DataFrame. Jika kami memadamkan indeks lajur yang akan dipadamkan daripada DataFrame, operasi padam juga akan dilakukan. Berikut ialah contoh kod untuk mengalih keluar lajur jantina menggunakan kaedah reindex()
: 🎜rrreee🎜 Ini akan menjana DataFrame df_reindex
baharu yang tidak mengandungi lajur jantina daripada asal set data . 🎜🎜Setiap kaedah dalam kod sampel di atas boleh mencapai fungsi memadam lajur yang ditentukan. Kaedah yang anda pilih bergantung pada keperluan dan pilihan peribadi anda. 🎜🎜Dalam aplikasi sebenar, kita mungkin menghadapi situasi yang lebih kompleks, seperti memadamkan berbilang lajur, memadamkan lajur terputus, dsb. Dalam kes ini, anda boleh menggabungkan dan menyesuaikan kaedah di atas mengikut keperluan. 🎜🎜Ringkasan: 🎜🎜Artikel ini memperkenalkan beberapa kaedah biasa untuk memadam lajur tertentu dalam Panda: menggunakan kaedah drop()
, kata kunci del
, pop( ) dan kaedah <code>reindex()
. Sama ada ia hanya memadamkan satu lajur atau operasi yang kompleks, Pandas menyediakan banyak fungsi dan kaedah yang mudah untuk memenuhi keperluan yang berbeza. 🎜🎜Saya harap artikel ini dapat membantu anda mulakan dengan cepat dengan teknik memadam lajur yang ditentukan dalam Panda. Jika anda mempunyai sebarang soalan atau cadangan, sila berasa bebas untuk berkongsi dengan kami. 🎜Atas ialah kandungan terperinci Cara mudah untuk memadamkan lajur tertentu dalam Pandas. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!