Pandas教程-如何在 Pandas 中删除行
使用 pandas.DataFrame.drop() 我们可以删除或消除给定 DataFrame 中的行。我们可以使用 DataFrame.axis 参数选择要删除的轴。默认情况下，axis=0 意味着删除行。要删除列，应用 axis=1 或 columns 参数。在删除行时，默认情况下，Pandas 会创建 DataFrame 的副本；要从引用的现有 DataFrame 中删除，请使用 inplace=True 选项。
语法:
DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise') 参数:
- labels: 由字符串或字符串集合引用的行或列标签。
- axis: 整数或字符串项，分别具有行索引为 0 和列索引为 1。
- index 或 columns: 单个标签或列表。索引或列可以替换标签，但不能同时使用。
- level: 当数据框具有多个级别的索引时，用于定义级别。
- inplace: 如果为 True，则更新原始数据框。
- errors: 如果列表中的任何项为 False，则忽略错误，并在 errors 设置为 "ignore" 时删除其余值。
返回类型: 更新后的 DataFrame
使用行索引标签删除单个行
Pandas 的一个优势是提供类似于列名的行标签或标题。如果数据框支持行标签（也称为索引标签），我们可以使用行标签名称指定要删除的单个行。
代码
# Python program to delete a single row using row labels
# importing the required library
import pandas as pd
# Creating a dictionary to store data
data = {
'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
'Age' : [21, 26, 28, 25],
'Salary (LPA)' : [32, 20, 38, 17],
}
# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
index = ['A', 'B', 'C', 'D'])
# returning a new DataFrame after dropping the row having index label 'B'
new_df = df.drop('B')
print("Original DataFrame: \n", df)
print("New DataFrame: \n", new_df) 输出:
Original DataFrame:
Name Age Salary (LPA)
A Itika 21 32
B Peter 26 20
C Harry 28 38
D Naill 25 17
New DataFrame:
Name Age Salary (LPA)
A Itika 21 32
C Harry 28 38
D Naill 25 17使用索引标签删除多个行
我们可以在列表中给 drop 命令提供多个行索引标签，以从 DataFrame 中删除多个行。
代码
# Python program to delete multiple rows using row labels
# importing the required library
import pandas as pd
# Creating a dictionary to store data
data = {
'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
'Age' : [21, 26, 28, 25],
'Salary (LPA)' : [32, 20, 38, 17],
}
# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
index = ['A', 'B', 'C', 'D'])
# returning a new DataFrame after dropping the row having index labels 'B' and 'C'
new_df = df.drop(['B', 'C'])
print("Original DataFrame: \n", df)
print("New DataFrame: \n", new_df) 输出:
Original DataFrame:
Name Age Salary (LPA)
A Itika 21 32
B Peter 26 20
C Harry 28 38
D Naill 25 17
New DataFrame:
Name Age Salary (LPA)
A Itika 21 32
D Naill 25 17通过索引号删除行
同样，我们可以通过将索引位置作为 drop() 方法的参数提供来从给定的 Pandas DataFrame 中删除行。由于 drop() 方法不接受行的位置索引作为参数，因此我们必须使用索引并将其传递给 drop() 方法。为了获取要删除的 DataFrame 的行名称，我们必须使用 df.index 函数提取行名称。对于我们打算删除的索引，我们将使用 df.index.values 函数以列表形式返回所有行名称。
例如，使用 df.index[[1,2]]，获取第二行和第三行的行标签；然后，drop() 方法删除这些行。请记住，Python 中的列表索引从零开始。
代码
# Python program to delete rows using index number of rows
# importing the required library
import pandas as pd
# Creating a dictionary to store data
data = {
'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
'Age' : [21, 26, 28, 25],
'Salary (LPA)' : [32, 20, 38, 17],
}
# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
index = ['A', 'B', 'C', 'D'])
# returning a new DataFrame after dropping the row having index labels 'B' and 'C' using their index positions
new_df = df.drop([df.index[1], df.index[2]])
print("Original DataFrame: \n", df)
print("New DataFrame: \n", new_df) 输出:
Original DataFrame:
Name Age Salary (LPA)
A Itika 21 32
B Peter 26 20
C Harry 28 38
D Naill 25 17
New DataFrame:
Name Age Salary (LPA)
A Itika 21 32
D Naill 25 17原地删除 DataFrame 的行
到目前为止，我们一直在获取删除行的新 DataFrame。然而，我们可以在不创建新数据框的情况下删除数据框的行，称为对数据框执行 'in place' 操作。
代码
# Python program to delete rows of a DataFrame in place
# importing the required library
import pandas as pd
# Creating a dictionary to store data
data = {
'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
'Age' : [21, 26, 28, 25],
'Salary (LPA)' : [32, 20, 38, 17],
}
# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
index = ['A', 'B', 'C', 'D'])
print("Original DataFrame: \n", df)
# Updating the existing DataFrame after dropping the row having index labels 'B' and 'C' using their index positions
df.drop([df.index[1], df.index[2]], inplace = True)
print("Updated DataFrame: \n", df) 输出:
Original DataFrame:
Name Age Salary (LPA)
A Itika 21 32
B Peter 26 20
C Harry 28 38
D Naill 25 17
Updated DataFrame:
Name Age Salary (LPA)
A Itika 21 32
D Naill 25 17使用索引范围删除行
通过定义索引范围，我们也可以删除行。下面的示例删除了第三行之前的所有行。
代码
# Python program to delete a range of rows
# importing the required library
import pandas as pd
# Creating a dictionary to store data
data = {
'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
'Age' : [21, 26, 28, 25],
'Salary (LPA)' : [32, 20, 38, 17],
}
# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
index = ['A', 'B', 'C', 'D'])
print("Original DataFrame: \n", df)
# Updating the DataFrame after dropping the row before index 3
df.drop(df.index[:3], inplace = True)
print("Updated DataFrame: \n", df) 输出:
Original DataFrame:
Name Age Salary (LPA)
A Itika 21 32
B Peter 26 20
C Harry 28 38
D Naill 25 17
Updated DataFrame:
Name Age Salary (LPA)
D Naill 25 17根据条件检查删除行
通过 loc[] 和 iloc[] 函数，我们可以根据某些条件（列值）轻松删除 DataFrame 行。
代码
# Python program to delete rows based on a particular condition
# importing the required library
import pandas as pd
# Creating a dictionary to store data
data = {
'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
'Age' : [21, 26, 28, 25],
'Salary (LPA)' : [32, 20, 38, 17]
}
# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
index = ['A', 'B', 'C', 'D'])
print("Original DataFrame: \n", df)
# Deleting rows having people of age lesser than 25
df1 = df.loc[df['Age'] < 25]
print("New DataFrame: \n", df1) 输出:
Original DataFrame:
Name Age Salary (LPA)
A Itika 21 32
B Peter 26 20
C Harry 28 38
D Naill 25 17
New DataFrame:
Name Age Salary (LPA)
A Itika 21 32删除包含 NaN/None 值的行
在处理分析时，我们经常需要清理包含 None、Null 和 np.NaN 值的行。我们可以通过调用 df.dropna() 删除给定 DataFrame 中的 NaN 值。
代码
# Python program to delete rows having NAN values
# importing the required library
import pandas as pd
import numpy as np
# Creating a dictionary to store data
data = {
'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
'Age' : [21, 26, 28, 25],
'Salary (LPA)' : [32, np.NaN, 38, np.NaN],
}
# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
index = ['A', 'B', 'C', 'D'])
# Dropping rows having NAN values
new_df = df.dropna()
print("Original DataFrame: \n", df)
print("New DataFrame: \n", new_df) 输出:
Original DataFrame:
Name Age Salary (LPA)
A Itika 21 32.0
B Peter 26 NaN
C Harry 28 38.0
D Naill 25 NaN
New DataFrame:
Name Age Salary (LPA)
A Itika 21 32.0
C Harry 28 38.0
