DataFrame删除行和列

最新推荐文章于 2024-06-17 08:40:44 发布
最新推荐文章于 2024-06-17 08:40:44 发布
阅读量9.9w 收藏 52
点赞数 9
分类专栏： python 文章标签： python pandas DataFrame

本文通过一个csv实例文件来展示如何删除Pandas.DataFrame的行和列
数据文件名为:example.csv
内容为：

datespringsummerautumnwinter
200012.233880916.9073011315.6923831314.08596223
200112.8474805716.7504687314.5140663713.5037456
200213.55817517.203392615.699947513.23365247
200312.654724716.8949153315.661464712.84347867
200413.253729817.0469665715.2090537714.3647912
200513.444304916.745982216.6221879711.61082257
200613.5056956716.8335785715.497928212.19934363
200713.4885262316.6677328315.8170143713.7438216
200813.151531916.4865069315.7295728712.93233587
200913.4577154316.6392378318.2601799712.65315943
201013.194548516.728688915.4263526713.8833583
201114.3477941716.6894210314.1765804312.36654197
201213.605086717.1305677314.7179677713.29255243
201313.0279078717.3861934316.2034549713.18612133
201412.7466816316.5442868714.736768212.87065125
201513.46590416.5061231712.4424366311.0181384
seasonspringsummerautumnwinter
slope0.0379691374-0.01164689167-0.07913844113-0.07765274553

删除行

In [1]:
import numpy as np
import pandas as pd

odata = pd.read_csv('example.csv')
odata

Out[1]:
date    spring    summer    autumn    winter
0    2000    12.2338809    16.9073011333    15.6923831333    14.0859622333
1    2001    12.8474805667    16.7504687333    14.5140663667    13.5037456
2    2002    13.558175    17.2033926    15.6999475    13.2336524667
3    2003    12.6547247    16.8949153333    15.6614647    12.8434786667
4    2004    13.2537298    17.0469665667    15.2090537667    14.3647912
5    2005    13.4443049    16.7459822    16.6221879667    11.6108225667
6    2006    13.5056956667    16.8335785667    15.4979282    12.1993436333
7    2007    13.4885262333    16.6677328333    15.8170143667    13.7438216
8    2008    13.1515319    16.4865069333    15.7295728667    12.9323358667
9    2009    13.4577154333    16.6392378333    18.2601799667    12.6531594333
10    2010    13.1945485    16.7286889    15.4263526667    13.8833583
11    2011    14.3477941667    16.6894210333    14.1765804333    12.3665419667
12    2012    13.6050867    17.1305677333    14.7179677667    13.2925524333
13    2013    13.0279078667    17.3861934333    16.2034549667    13.1861213333
14    2014    12.7466816333    16.5442868667    14.7367682    12.8706512467
15    2015    13.465904    16.5061231667    12.4424366333    11.0181384
16    season    spring    summer    autumn    winter
17    slope    0.037969137402    -0.0116468916667    -0.0791384411275    -0.0776527455294

想要删除最后两行
.drop()方法如果不设置参数inplace=True，则只能在生成的新数据块中实现删除效果，而不能删除原有数据块的相应行。

In [2]:
data = odata.drop([16,17])
odata

Out[2]:
date    spring    summer    autumn    winter
0    2000    12.2338809    16.9073011333    15.6923831333    14.0859622333
1    2001    12.8474805667    16.7504687333    14.5140663667    13.5037456
2    2002    13.558175    17.2033926    15.6999475    13.2336524667
3    2003    12.6547247    16.8949153333    15.6614647    12.8434786667
4    2004    13.2537298    17.0469665667    15.2090537667    14.3647912
5    2005    13.4443049    16.7459822    16.6221879667    11.6108225667
6    2006    13.5056956667    16.8335785667    15.4979282    12.1993436333
7    2007    13.4885262333    16.6677328333    15.8170143667    13.7438216
8    2008    13.1515319    16.4865069333    15.7295728667    12.9323358667
9    2009    13.4577154333    16.6392378333    18.2601799667    12.6531594333
10    2010    13.1945485    16.7286889    15.4263526667    13.8833583
11    2011    14.3477941667    16.6894210333    14.1765804333    12.3665419667
12    2012    13.6050867    17.1305677333    14.7179677667    13.2925524333
13    2013    13.0279078667    17.3861934333    16.2034549667    13.1861213333
14    2014    12.7466816333    16.5442868667    14.7367682    12.8706512467
15    2015    13.465904    16.5061231667    12.4424366333    11.0181384
16    season    spring    summer    autumn    winter
17    slope    0.037969137402    -0.0116468916667    -0.0791384411275    -0.0776527455294

In [3]:
data

Out[3]:
date    spring    summer    autumn    winter
0    2000    12.2338809    16.9073011333    15.6923831333    14.0859622333
1    2001    12.8474805667    16.7504687333    14.5140663667    13.5037456
2    2002    13.558175    17.2033926    15.6999475    13.2336524667
3    2003    12.6547247    16.8949153333    15.6614647    12.8434786667
4    2004    13.2537298    17.0469665667    15.2090537667    14.3647912
5    2005    13.4443049    16.7459822    16.6221879667    11.6108225667
6    2006    13.5056956667    16.8335785667    15.4979282    12.1993436333
7    2007    13.4885262333    16.6677328333    15.8170143667    13.7438216
8    2008    13.1515319    16.4865069333    15.7295728667    12.9323358667
9    2009    13.4577154333    16.6392378333    18.2601799667    12.6531594333
10    2010    13.1945485    16.7286889    15.4263526667    13.8833583
11    2011    14.3477941667    16.6894210333    14.1765804333    12.3665419667
12    2012    13.6050867    17.1305677333    14.7179677667    13.2925524333
13    2013    13.0279078667    17.3861934333    16.2034549667    13.1861213333
14    2014    12.7466816333    16.5442868667    14.7367682    12.8706512467
15    2015    13.465904    16.5061231667    12.4424366333    11.0181384

如果inplace=True则原有数据块的相应行被删除

In [4]:
odata.drop(odata.index[[16,17]],inplace=True)
odata

Out[4]:
date    spring    summer    autumn    winter
0    2000    12.2338809    16.9073011333    15.6923831333    14.0859622333
1    2001    12.8474805667    16.7504687333    14.5140663667    13.5037456
2    2002    13.558175    17.2033926    15.6999475    13.2336524667
3    2003    12.6547247    16.8949153333    15.6614647    12.8434786667
4    2004    13.2537298    17.0469665667    15.2090537667    14.3647912
5    2005    13.4443049    16.7459822    16.6221879667    11.6108225667
6    2006    13.5056956667    16.8335785667    15.4979282    12.1993436333
7    2007    13.4885262333    16.6677328333    15.8170143667    13.7438216
8    2008    13.1515319    16.4865069333    15.7295728667    12.9323358667
9    2009    13.4577154333    16.6392378333    18.2601799667    12.6531594333
10    2010    13.1945485    16.7286889    15.4263526667    13.8833583
11    2011    14.3477941667    16.6894210333    14.1765804333    12.3665419667
12    2012    13.6050867    17.1305677333    14.7179677667    13.2925524333
13    2013    13.0279078667    17.3861934333    16.2034549667    13.1861213333
14    2014    12.7466816333    16.5442868667    14.7367682    12.8706512467
15    2015    13.465904    16.5061231667    12.4424366333    11.0181384

删除列

del方法

In [5]:
del odata['date']
odata


Out[5]:
spring    summer    autumn    winter
0    12.2338809    16.9073011333    15.6923831333    14.0859622333
1    12.8474805667    16.7504687333    14.5140663667    13.5037456
2    13.558175    17.2033926    15.6999475    13.2336524667
3    12.6547247    16.8949153333    15.6614647    12.8434786667
4    13.2537298    17.0469665667    15.2090537667    14.3647912
5    13.4443049    16.7459822    16.6221879667    11.6108225667
6    13.5056956667    16.8335785667    15.4979282    12.1993436333
7    13.4885262333    16.6677328333    15.8170143667    13.7438216
8    13.1515319    16.4865069333    15.7295728667    12.9323358667
9    13.4577154333    16.6392378333    18.2601799667    12.6531594333
10    13.1945485    16.7286889    15.4263526667    13.8833583
11    14.3477941667    16.6894210333    14.1765804333    12.3665419667
12    13.6050867    17.1305677333    14.7179677667    13.2925524333
13    13.0279078667    17.3861934333    16.2034549667    13.1861213333
14    12.7466816333    16.5442868667    14.7367682    12.8706512467
15    13.465904    16.5061231667    12.4424366333    11.0181384

.pop()方法

.pop方法可以将所选列从原数据块中弹出，原数据块不再保留该列

In [6]:
spring = odata.pop('spring')
spring


Out[6]:
0        12.2338809
1     12.8474805667
2         13.558175
3        12.6547247
4        13.2537298
5        13.4443049
6     13.5056956667
7     13.4885262333
8        13.1515319
9     13.4577154333
10       13.1945485
11    14.3477941667
12       13.6050867
13    13.0279078667
14    12.7466816333
15        13.465904
Name: spring, dtype: object

In [7]:
odata

Out[7]:
summer    autumn    winter
0    16.9073011333    15.6923831333    14.0859622333
1    16.7504687333    14.5140663667    13.5037456
2    17.2033926    15.6999475    13.2336524667
3    16.8949153333    15.6614647    12.8434786667
4    17.0469665667    15.2090537667    14.3647912
5    16.7459822    16.6221879667    11.6108225667
6    16.8335785667    15.4979282    12.1993436333
7    16.6677328333    15.8170143667    13.7438216
8    16.4865069333    15.7295728667    12.9323358667
9    16.6392378333    18.2601799667    12.6531594333
10    16.7286889    15.4263526667    13.8833583
11    16.6894210333    14.1765804333    12.3665419667
12    17.1305677333    14.7179677667    13.2925524333
13    17.3861934333    16.2034549667    13.1861213333
14    16.5442868667    14.7367682    12.8706512467
15    16.5061231667    12.4424366333    11.0181384

.drop()方法

drop方法既可以保留原数据块中的所选列，也可以删除，这取决于参数inplace

In [8]:
withoutSummer = odata.drop(['summer'],axis=1)
withoutSummer

Out[8]:
autumn    winter
0    15.6923831333    14.0859622333
1    14.5140663667    13.5037456
2    15.6999475    13.2336524667
3    15.6614647    12.8434786667
4    15.2090537667    14.3647912
5    16.6221879667    11.6108225667
6    15.4979282    12.1993436333
7    15.8170143667    13.7438216
8    15.7295728667    12.9323358667
9    18.2601799667    12.6531594333
10    15.4263526667    13.8833583
11    14.1765804333    12.3665419667
12    14.7179677667    13.2925524333
13    16.2034549667    13.1861213333
14    14.7367682    12.8706512467
15    12.4424366333    11.0181384

In [9]:
odata

Out[9]:
summer    autumn    winter
0    16.9073011333    15.6923831333    14.0859622333
1    16.7504687333    14.5140663667    13.5037456
2    17.2033926    15.6999475    13.2336524667
3    16.8949153333    15.6614647    12.8434786667
4    17.0469665667    15.2090537667    14.3647912
5    16.7459822    16.6221879667    11.6108225667
6    16.8335785667    15.4979282    12.1993436333
7    16.6677328333    15.8170143667    13.7438216
8    16.4865069333    15.7295728667    12.9323358667
9    16.6392378333    18.2601799667    12.6531594333
10    16.7286889    15.4263526667    13.8833583
11    16.6894210333    14.1765804333    12.3665419667
12    17.1305677333    14.7179677667    13.2925524333
13    17.3861934333    16.2034549667    13.1861213333
14    16.5442868667    14.7367682    12.8706512467
15    16.5061231667    12.4424366333    11.0181384

当inplace=True时.drop()执行内部删除，不返回任何值，原数据发生改变

In [10]:
withoutWinter = odata.drop(['winter'],axis=1,inplace=True)
type(withoutWinter)

Out[10]:
NoneType

In [11]:
odata

Out[11]:
summer    autumne
0    16.9073011333    15.6923831333
1    16.7504687333    14.5140663667
2    17.2033926    15.6999475
3    16.8949153333    15.6614647
4    17.0469665667    15.2090537667
5    16.7459822    16.6221879667
6    16.8335785667    15.4979282
7    16.6677328333    15.8170143667
8    16.4865069333    15.7295728667
9    16.6392378333    18.2601799667
10    16.7286889    15.4263526667
11    16.6894210333    14.1765804333
12    17.1305677333    14.7179677667
13    17.3861934333    16.2034549667
14    16.5442868667    14.7367682
15    16.5061231667    12.4424366333

总结，不论是行删除还是列删除，也不论是原数据删除，还是输出新变量删除，.drop()的方法都能达到目的，为了方便好记，熟练操作，所以应该尽量多使用.drop()方法

    转自：<a>http://www.jianshu.com/p/67e67c7034f6</a>
一路前行1
关注
  • 9
    点赞
  • 踩
  • 52
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
DataFrame删除
z920054418的博客
03-14 112
即：df.drop(labels,axis=0,index,columns,levles,inplace)形式。labels：用于接受string（即字符串）或array（即数组）。该参数代表删除的行或标签。该参数代表操作是否对原数据生效。df.dorp('E',axis=1)将在df数据框中删除E列标签中的所有元素。该参数代表标签所在的级别，默认为None。该参数代表操作的轴向，0为行，1为列，默认为0。columns：该参数在进行多列操作时进行索引。index：该参数在进行多行操作时进行索引。
python Dataframe 根据某一列的值来删除多行
GhostintheCode的博客
03-24 3053
python Dataframe 根据某一列的值来删除多行 在Dataframe中，有的时候想根据某一列值来删除。 方法一：你可以做负isin()索引： In [57]: df Out[57]: a b c 0 1 2 2 1 1 7 0 2 3 7 1 3 3 2 7 4 1 3 1 5 3 4 2 6 0 7 1 7 5 4 3 8 6 1 0 9 3 2 0 In [58]: my_list = [1, 7, 8] In [59]
【python】pandas:DataFrame详解
最新发布
MAOZI8的博客
06-17 972
DataFrame是一个二维的表格型数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值等）。DataFrame可以被视为一个电子表格或SQL表，或是由多个Series对象组成的字典（这些Series对象共享一个索引）。
dataframe中删除某一列或某一行
热门推荐
qz的博客
10-06 10万+
1. 函数 DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False) 参数含义： labels：要删除的行或列，用列表给出 axis：默认为0，指要删除的是行，删除列时需指定axis为1 index ：直接指定要删除的行，删除多行可以使用列表作为参数 columns：直接指定要删除的列，删除多列可以使用列表作为参数 inplace: 默认为False，该删除操作不改变原数据；inplace = True时，改变
dataframe中删除整行
weixin_42596246的博客
01-16 4019
可以使用Pandas中的drop()函数来删除整行。 示例: df = df.drop(index=2) # 删除第2行 df = df.drop(index=[1,3]) # 删除第1行和第3行 也可以使用标签或布尔索引来删除整行: df = df[df.column_name != 'value'] df = df[~df.column_name.isin(['value1','value2...
使用DataFrame删除行和列的实例讲解
09-20
在实际的数据分析工作中，我们经常需要根据需求删除DataFrame中的行和列。下面我们将通过实例详细讲解如何在DataFrame中进行这些操作。 1. **删除行** 删除行通常可以通过以下几种方式实现： - **drop函数**：...
pandas.DataFrame删除/选取含有特定数值的行或列实例
09-19
在Python数据分析领域，`pandas`库是不可或缺的工具，...无论是删除还是选取特定数值的行或列，或者处理空值，都有明确的步骤和方法。在实际数据分析工作中，熟练掌握这些技巧能极大地提高效率，确保数据清洗的准确性。
pandas DataFrame行或列的删除方法的实现示例
09-18
主要介绍了pandas DataFrame行或列的删除方法的实现示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Python中pandas dataframe删除一行或一列:drop函数详解
12-24
inplace=False，默认该删除操作不改变原数据，而是返回一个执行删除操作后的新dataframe； inplace=True，则会直接在原数据上进行删除操作，删除后就回不来了。 例子： >>>df = pd.DataFrame(np.arange(12).reshape...
巧用DataFrame布尔索引的方法删除特定行或列
sigtem的博客
08-16 1万+
用布尔索引的方法删除DataFrame中的行或列 对于pandas DataFrame对象通常用“对象名.drop()”方法删去行或列，但drop操作必须先知道想要删除的列名和索引。 本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦： Markdown和扩展Markdown简洁的语法 代码块高亮 图片链接和图片上传 LaTex数学公式 UML序列图和...
在pandas中一次性删除dataframe的多个列方法
12-24
之前沉迷于使用index删除，然而发现pandas貌似有bug？ import pandas as pd import numpy as np df = pd.DataFrame(np.arange(12).reshape(3,4), columns=['A', 'B', 'C', 'D']) x=[1,2] df.drop(index=[1,2], axis=1, inplace=True) #axis=1，试图指定列，然并卵 print df 输出为 A B C D 0 0 1 2 3 还是按照行进行了删除 后来请教大神得知，可以用： df.drop(df
python之dataframe多条件删除
u013004700的专栏
09-02 5878
删除条件：DataBase=test 并且 table < '4' import pandas as pd df = {'course':['mysql','test','test','test','test'],'table':['user','1','2','4','6']} df = pd.DataFrame(df) df.drop(index=(df.loc[(df['course...
dataFrame删除数据
yujiajun1024的博客
03-14 1937
inplace: 默认为False，该删除操作不改变原数据；inplace = True时，改变原数据。columns：直接指定要删除的列，删除多列可以使用列表作为参数。axis：默认为0，指要删除的是行，删除列时需指定axis为1。index ：直接指定要删除的行，删除多行可以使用列表作为参数。labels：要删除的行或列，用列表给出。
pandas DataFrame行或列的删除方法
dinghetie3251的博客
10-10 389
pandas DataFrame的增删查改总结系列文章： pandas DaFrame的创建方法 pandas DataFrame的查询方法 pandas DataFrame行或列的删除方法 pandas DataFrame的修改方法 此文我们继续围绕DataFrame介绍相关操作。 平时在用DataFrame时候，删除操作用的不太多，基本是从源DataFrame中筛选数据，组成一个...
DataFrame增加和删除行
SLANG006的博客
08-07 2415
先说结论: dataframe增加行可以用df.append合并两个dataframe实现 dataframe删除行可以用df.drop实现 一、DataFrame增加行 1. 已知dataframe增加行的index时，可以用df_replace = df.loc[0]=['Orange',2] 但如果该行已有数据，新数据会替换原有数据。 2. 使用pd.concat合并两个dataframe比较方便在原有dataframe基础上，在第一行前或最后一行后新增数据，通过调换合并顺序即可决定加.
DataFrame按多个条件删除行
特浓悠哈的博客
06-20 4695
data.drop(index=(data[(data["公司缩写"]==row[1])&(data["发布时间"]==row[2])&(data["文章综合情感"]==row[3])].index)) for row in merge_data12.itertuples(): #循环titleData每一行 a = row[1].split(",") #print(merge_data12[(merge_data12["公司缩写"]==row[1])&(merg
[黑马程序员Pandas教程]——DataFrame数据的增删改操作
qq_56444564的博客
11-07 1855
有时需要我们对df或s对象中的数据做更加精细化的修改动作，并将修改操作封装成为一个自定义的函数；这时我们就可以利用来调用我们自定义的函数# 加载数据，构造示例df对象# 读取数据选取前5行作为一个新的dfdf = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')print(df8)# Series对象使用apply调用自定义的函数，返回新的Series对象# 自定义函数必须接收一个参数。
删除python DataFrame 指定行及最后行
ducanwang的博客
02-17 1658
删除python DataFrame 指定行及最后行
dataframe如何删除行和列
03-25
？要删除DataFrame中的行或列，可以使用drop()函数。当需要删除行时，需要设置参数axis为0，当需要删除列时，参数axis需要设置为1。 例如，要删除DataFrame中的第三行和第四列，可以使用以下代码： ``` df = df.drop([2], axis=0) df = df.drop(['Column_name'], axis=1) ``` 其中，2表示需要删除的行的index，'Column_name'表示需要删除的列的名称。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值