(四)pandas-删除数据

pandas删除数据主要有两种方式：

1.在dataframe上调用drop、dropna、drop_duplicates函数

2.通过切片找到相应的行或列，然后使用 del 命令删除

1、del

del只能删除列，并且一次只能删一列，并且del只能删除[]运算符切片的列

import pandas as pd

scores = [23, 88, 12], [99, 88, 100], [44, 77, 68]
df = pd.DataFrame(scores, index=['张三', '李四', '王二麻子'], columns=['语文', '数学', '英语'])

del df[["英语", "数学"]]  # InvalidIndexError
del df["英语"] # del success
del df.iloc[:, 0]  # AttributeError: __delitem__
del df.loc[:, "语文"]  # AttributeError: __delitem__

2、dropna

删除存在缺失值的行或列

def dropna(self,
           *,
           axis: Literal["index", "columns", "rows"] | int = 0,
           how: Literal["any", "all"] | _NoDefault = no_default,
           thresh: int | _NoDefault = no_default,
           subset: Hashable | Sequence[Hashable] | None = None,
           inplace: bool = False,
           ignore_index: bool = False)

axis: 
    · 0、"rows"、"index" - 删除存在无效值的行
    · 1、"columns" - 删除存在无效值的列
    default: 0

how: 
    · "any" - 只要有一个无效值就删除该行/列
    · "all" - 整行/列全都是无效值才删除该行/列
    default: no_default , 但是其实效果等同于"any"

thresh:
    · 整数值 - 指定有多少个有效值该行列就不会被删除，thresh和how不能同时设置!!!
    比如如果设置thresh=1,那么只要该行/列有一个有效值，该行/列就不会被删除

subset:
    · 要考虑的其他轴上的标签，例如，如果要删除行，那么这个参数可以是columns的一个子集，然后只会
    在subset指定的列中寻找无效值

inplace:
    · 标志是原地修改df(True)还是返回一个新的df(False)

ignore_index:
    · 是否忽略df的行标签(index),如果为True，则df的index会被置为从0开始的整数值

这个没什么必要展示代码了，只要清楚参数怎么用就行了，有一点要注意：thresh和subset配合时要注意，如果thresh>len(subset)，会导致有效值不足，最终得到一个空dataframe。

3、drop_duplicates

删除重复的行

def drop_duplicates(self,
                    subset: Hashable | Sequence[Hashable] | None = None,
                    *,
                    keep: Literal["first", "last", False] = "first",
                    inplace: bool = False,
                    ignore_index: bool = False)
subset:
    · 比较重复值的列，默认是比较所有的列

keep:
    · "first" - 有重复行时保留第一行
    · "last" - 有重复行时保留最后一行
    · False - 有重复行时把重复行全部删除

inplace:
    · 标志是原地修改df(True)还是返回一个新的df(False)

ignore_index:
    · 是否忽略df的行标签(index),如果为True，则df的index会被置为从0开始的整数值

4、drop

删除指定的行/列

def drop(self,
         labels: Hashable | Sequence[Hashable] | None = None,
         *,
         axis: Literal["index", "columns", "rows"] | int = 0,
         index: Hashable | Sequence[Hashable] | None = None,
         columns: Hashable | Sequence[Hashable] | None = None,
         level: Hashable | None = None,
         inplace: bool = False,
         errors: Literal["ignore", "raise"] = "raise")
labels+axis = index | columns
就是说：设置labels+axis(0) 和设置index的效果是一样的
       设置labels+axis(1) 和设置columns的效果是一样的

level 是给MultiIndex用的，dataframe和series用不上
errors - 删除失败是抛出异常还是什么都不做

import pandas as pd

scores = [23, 88, 12], [99, 88, 100], [44, 77, 68], [44, 77, 68]
df = pd.DataFrame(scores, index=['张三', '李四', '王五', "赵六"], columns=['语文', '数学', '英语'])

# 删除学生赵六的成绩
df.drop(labels="赵六", inplace=True)
=
df.drop(index="赵六", inplace=True)


# 英语取消了，删除所有学生的英语成绩
df.drop(labels="英语", axis=1, inplace=True)
=
df.drop(columns="英语", inplace=True)