資料處理技巧：pandas中刪除行的方法詳解
在資料處理中，常常需要刪除 DataFrame 中的某些行資料。 pandas 是一個功能強大的資料處理庫，提供了多種方法來實現行資料的刪除操作。本文將詳細介紹 pandas 中刪除行的幾種常用方法，並提供具體的程式碼範例。
import pandas as pd
data = {'Name': ['Tom', 'Nick', 'John', 'David'],
'Age': [20, 25, 30, 35],
'Gender': ['M', 'M', 'M', 'M']}
df = pd.DataFrame(data)
# 删除索引为2的行数据
df = df.drop(2)
print(df)輸出結果如下：
Name Age Gender 0 Tom 20 M 1 Nick 25 M 3 David 35 M
#可以看到，drop 方法會傳回一個新的DataFrame，並在結果中刪除了指定的行。
import pandas as pd
data = {'Name': ['Tom', 'Nick', 'John', 'David'],
'Age': [20, 25, 30, 35],
'Gender': ['M', 'M', 'M', 'M']}
df = pd.DataFrame(data)
# 删除所有年龄小于30的行数据
df = df[df['Age'] >= 30]
print(df)輸出結果如下：
Name Age Gender 2 John 30 M 3 David 35 M
可以看到，透過設定布林索引為 True 或 False，我們可以篩選出需要保留的行資料。
import pandas as pd
data = {'Name': ['Tom', 'Nick', 'John', 'David'],
'Age': [20, 25, 30, 35],
'Gender': ['M', 'M', 'M', 'M']}
df = pd.DataFrame(data)
# 删除索引为1到2的行数据
df = df.drop(df.index[1:3])
print(df)輸出結果如下：
Name Age Gender 0 Tom 20 M 3 David 35 M
可以看到，透過設定切片操作的索引範圍，我們可以刪除連續的多行資料。
import pandas as pd
data = {'Name': ['Tom', 'Nick', 'John', 'David'],
'Age': [20, 25, 30, 35],
'Gender': ['M', 'M', 'M', 'M']}
df = pd.DataFrame(data)
# 设置第三行的索引为缺失
df.set_index(pd.Index(['0', '1', '3']), inplace=True)
# 重置索引并删除缺失的行
df.reset_index(drop=True, inplace=True)
print(df)輸出結果如下：
Name Age Gender 0 Tom 20 M 1 Nick 25 M 2 David 35 M
可以看到，透過設定索引為缺失的行，並使用reset_index 方法重設索引並刪除缺少的行，我們可以實現刪除特定行的操作。
綜上所述，這是幾種常用的方法來刪除 pandas DataFrame 中的行資料。根據不同的需求，我們可以選擇適合的方法來完成資料處理任務。在實際應用中，可以根據具體情況選擇合適的方法來刪除行數據，提高資料處理的效率和準確性。
以上是深入理解pandas中刪除行資料的技巧的詳細內容。更多資訊請關注PHP中文網其他相關文章！
