[Pandas] DataFrame.drop() 删除数据

df.drop()通过指定标签名称和相应的轴，或直接给定索引或列名称来删除行或列

语法

df.drop(labels = None, axis = 0, 
        index = None, columns = None, 
        level = None, inplace = False, 
        errors = ‘raise’)

参数

1.labels:要删除的列或者行，如果要删除多个，传入列表

2.axis:轴的方向，0为行，1为列，默认为0

3.index:指定的一行或多行

4.columns:指定的一列或多列

5.level:索引层级，将删除此层级

6.inplace:布尔值，是否生效

7.errors:ignore或raise，默认为raise，如果为ignore，则容忍错误，仅删除现有标签

# 删除数据 DataFrame.drop()
import pandas as pd

df = pd.DataFrame([['x','x',1],['x','x',1],['z','x',2]], columns = ['A','B','C'])

# 删除指定行
res1 = df.drop([0,1])
res2 = df.drop(index = [0,1])

# 删除指定列
#res3该方法一定要指定axis = 1,否则会报错
res3 = df.drop(['B','C'], axis = 1)
res4 = df.drop(columns = ['B','C'])

结果展示

df

res1

res2

res3

res4

删除表中的某一行或者某一列更明智的方法是使用drop，它不改变原有的df中的数据，而是返回另一个dataframe来存放删除后的数据

扩展

del与drop的区别

在Python中del和drop方法都能够删除dataframe中的列数据，但两者也有着些许区别:

1. del属于Python的内置函数函数，drop属于pandas中的内置函数

2. del 删除列

drop 删除行和列（默认行）

3. drop一次可以处理多个项目；del一次只能操作一个

4. drop可以就地操作或返回副本；del仅是就地操作

5. 两种函数在执行效率上很接近，但是在较大数据上，drop函数优势更明显，尤其是在处理多列数据时

del crime['Total']
crime=crime.drop(['Total'],axis=1)