pandas中drop用法_如何使用drop方法对数据进行删减处理

在我们进行数据分析时，某些情况下我们会需要对数据作出一系列的删减处理。今天就为大家推荐一下在Python中常用于数据删减的drop方法。

在Pandas 中，以 .drop 开头的方法都与数据的删减有关。

下面我们先简单说一下drop的用法及一些主要参数：

drop函数：drop(labels, axis=0, level=None, inplace=False, errors='raise')

关于参数axis：

axis为0时表示删除行，axis为1时表示删除列，还是一样~

关于参数errors：

errors='raise'会让程序在labels接收到没有的行名或者列名时抛出错误导致程序停止运行，errors='ignore'会忽略没有的行名或者列名，只对存在的行名或者列名进行操作，没有指定的话也是默认‘errors='raise'’。

其他主要参数：

介绍完函数体，下面我们还是一样从例子出发：

（大家记得每次打代码之间记得看下有没有导入库，我偶尔会忘了粘上库的代码）

import pandas as pd import numpy as np cities = pd.DataFrame(np.random.randn(5, 5),index=['a', 'b', 'c', 'd', 'e'],columns=['shenzhen', 'guangzhou', 'beijing', 'nanjing', 'haerbin']) cities

还是之前的那个城市的数据表。

（1）删除掉第a行：

df1=cities.drop(labels='a') df1

df2=cities.drop(index='a') df2

可以看到，因为这里我们是删除行，所以我们用labels、index都是可以的。不过还是推荐使用labels。而已还是要注意~drop默认对原表不生效，如果要对原表生效，需要添加参数：inplace=True

（2）删除非连续的多行：

和上面一样，我们可以通过labels来控制删除行或列的个数，如果是删多行/多列，需写成labels=[1,3]，不能写成labels=[1:2]，在这里用“：”号的话会报错。

举个例子：

df1=cities.drop(labels=['a','c','e']) df1

这里我们要插播一下比较细节的东西，大家以后可能会遇到的一个问题：

为了方便看，我们这次不设置索引名，下面重新创建一下数据表：

city = pd.DataFrame(np.random.randn(5, 5),columns=['shenzhen', 'guangzhou', 'beijing', 'nanjing', 'haerbin']) city

我们还是删掉第1行（1实际上是第二行），而已这一次我们加上inplace=True：

city.drop(labels=1,axis=0,inplace=True)

然后我们看一下原来的数据表city:

可以看到，第1行确实被删掉了，看上去好像没什么问题。

如果这个时候，我们再输入一次：

city.drop(labels=1,axis=0,inplace=True)

（报错了，很应该啊，好像也没什么，毕竟第1行本来就被我们删掉了）

但是！！！注意了，我们在这里想说明的是：

如果我们没标注索引，而已把数据一行一行删掉的话，该行对应的索引也是被我们删掉的！

比如说一个数据表里一共有5行，我们把第2、第3行给删掉了，就会顺道对应把索引2、索引3删掉，这时候数据的索引就会变成[1、4、5]，即使这个时候原来的第4行数据现在变成第2行了，现在也无法用索引第2行的方式来获取现在的第2行（原来的第4行），因为索引已经乱了。

所以说，大家在用drop的时候还是要注意这一点的。同时，我们该如何解决这个问题呢？

答案是要将索引重置，这样后面再次使用才不会因为索引不存在而报错。

重置索引的方法是：reset_index

reset_index，默认(drop = False)，当我们指定(drop = True)时，则不会保留原来的index，会直接使用重置后的索引。

我们来实验一下:

----------------------------------------------------------------------------------------------

这是原来删掉第1行后的数据表：

很明显索引没重置，所以在我们再次删除时，出现了下面这种情况：

下面我们使用reset_index进行索引重置：

可以看到，此时数据表增加了一列新的索引，同时原来的索引被被保留了下来。

如果我们想直接使用重置后的索引，不保留原来的index，就可以加上(drop = True)，如下所示：

city.reset_index(drop=True)

也就是说这个时候，原来被我们删除的那行数据已经没了，但是索引没有变乱。

这个时候我们再试试删除第1行，果然没有问题了。

-----------------------------------------------------------------------------------------------

补充完上面的解释，我们接下去介绍drop的其他用法。

（3）删除连续的多行：

当我们想删除连续多行时，如果还是一个一个标签输入的话，显得不太智能，所以我们可以用更简便的方法：

再建一个新的数据表:

people= pd.DataFrame(np.random.randn(6, 6),columns=['jack', 'rose', 'mike', 'chenqi', 'amy','tom']) people

当我们想删去第2-4行时，可以用如下表示：

df2=people.drop(labels=range(2,5),axis=0) df2

注意了，不能用这种方法尝试删除列，会报错。

（4）删除列：

在最新的表中删除‘jack’这一列：

df2=people.drop(labels='jack',axis=1) df2

同时删除‘rose’、‘mike’这两列：

df2=people.drop(labels=['rose','mike'],axis=1) df2

---

以上便是<如何使用drop方法对数据进行删减处理>的内容，感谢大家的细心阅读，同时欢迎感兴趣的小伙伴一起讨论、学习，想要了解更多内容的可以看我的其他文章，同时可以持续关注我的动态~

与50位技术专家面对面20年技术见证，附赠技术全景图

总结

以上是生活随笔为你收集整理的pandas中drop用法_如何使用drop方法对数据进行删减处理的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。