pandas数据清洗：drop函数案例详解、dropna函数案例详解、drop_duplicates函数案例详解

1 drop函数简介

drop函数：用来删除数据表格中的列数据或行数据

df.drop(labels=None,axis=0
        ,index=None
        ,columns=None
        ,inplace=False)

参数	简介
labels	以列表形式赋值，待删除的行名或列名，与axis参数一起使用
axis	确定删除行还是列，0为行，1为列
index	以列表形式赋值，删除第几行；不与labels和axis参数连用
columns	以列表形式赋值，删除第几列；不与labels和axis参数连用
inplace	是否用新生成的列表替换原列表

1.1 构建学习数据

df = pd.DataFrame(np.arange(16).reshape(4, 4),
                  columns=['A', 'B', 'C', 'D'])

1.2 删除行两种方法

方法一：使用index参数 []内是索引名，不是序号，要注意！
df.drop(index=[0,1],inplace=False)

方法二：使用labels和axis参数
df.drop(labels=[0,1],axis=0,inplace=False)

两者效果一样

1.3 删除列两种方法

方法一：使用columns参数
df.drop(columns=['A','B'],inplace=False)

方法二：使用labels和axis参数
df.drop(labels=['A','B'],axis=1,inplace=False)

两者效果一样

2 dropna函数简介

dropna函数：用来删除数据表格中的空值数据

df.dropna(axis=0
		,how='any'
		,subset=None
		,inplace=False)

参数	简介
axis	数据删除维度
how	any：删除带有nan的行；all：删除全为nan的行
subset	删除指定列空值数据
inplace	是否用新生成的列表替换原列表

2.1 构建学习数据

df = pd.DataFrame({"name": ['Alfred', 'Batman', np.nan],
                    "toy": [np.nan, 'Batmobile', np.nan],
                    "born": [pd.NaT, pd.Timestamp("1940-04-25"),
                            pd.NaT]})
df

2.2 删除空值3种方法

方法一：删除带空值的行
df.dropna(axis='index',how='any',inplace=False) #任何出现空值的行

方法二：删除带空值的列
df.dropna(axis='columns',how='all',inplace=False) # 全部为空值的列

方法三：删除指定列存在空值的行

方法三：删除指定列存在空值的行
df.dropna(axis='index',subset=['name'],how='any',inplace=False) # 仅删除name列存在空值的行

3 drop_duplicates函数简介

drop_duplicates函数：用来去除数据表格中的重复数据

df.drop_duplicates(subset= None
				 ,keep = 'first'
				 ,inplace = False
				 )

参数	简介
subset	以列表形式赋值，需去重的列
keep	“first”：仅保留第一次出现的重复行；“last”：仅保留最后一次出现的重复行；False：删除全部重复行
inplace	是否用新生成的列表替换原列表

3.1 构建学习数据

import numpy as np
import pandas as pd
df = pd.DataFrame({'第一列':[1,1,3,4,5,3,4,5]
                   ,'第二列':[1,1,20,20,30,40,50,50]
                   ,'第三列':[1,1,20,20,200,600,500,600]
                   ,'第四列':[1,1,'s','d','a','b','s','a']})
df

3.2 去重方法

方法一：对整个表格，所有数据完全相同的行进行去重，并保留第一次出现的行
df.drop_duplicates(subset=None
				  ,keep='first'
				  ,inplace=False)

方法二：删除所有重复的行
df.drop_duplicates(subset=None
				  ,keep='first'
				  ,inplace=False)

方法三：对指定列进行去重
df.drop_duplicates(subset=['第二列','第三列']
				  ,keep='first'
				  ,inplace=False)

3.3 reset_index函数重新设置索引

a = df.drop_duplicates(subset=['第二列'],keep=False,inplace=False)
a

不想保留原来的index，使用参数 drop=True
a.reset_index(drop=False)

以上就是pandas数据清洗，增删改查中删的主要内容，又成功了一大步！

================================================================下面点个赞，加个收藏⭐，方便下次使用啊！