Pandas 教程-Pandas中删除列

整理：python架构师

drop()方法

语法:

DataFrame.drop(self, labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')  

参数:

• 标签: 列的标签或行索引值的字符串或列表。
• 索引: 提供行标签。
• 级别: 在多索引DataFrame的情况下，用于确定应从中删除标签的级别。它接受级别位置或级别名称作为输入。
• 轴: 指示应删除列还是行。要删除列，请将轴设置为1或'columns'。默认情况下，它会从DataFrame中删除行。
• 列: 这是axis = 'columns'的替代项。它接受单个列标签或列标签列表作为输入。
• Inplace: 它指定是返回新的DataFrame还是修改现有的DataFrame。它是一个默认值为False的布尔标志。
• 错误: 如果设置为'ignore'，则忽略错误。

返回值

• 如果inplace = True，则返回具有删除列的DataFrame或None。
• 如果找不到标签，则引发KeyError。

专属福利 
👉点击领取：最全Python资料合集

删除单个列

示例: 我们使用df.drop(columns='col name')来从下面的示例中删除DataFrame的'age'列。

import pandas as pd  student_dict = {"name": ["Joe", "Nat"], "age": [20, 21], "marks": [85.10, 77.80]}  # Create DataFrame from dict  student_df = pd.DataFrame(student_dict)  print(student_df)  # drop column  student_df = student_df.drop(columns='age')  print(student_df)  

输出: 执行此代码后，我们将获得以下输出：

name  age  marks0  Joe   20   85.11  Nat   21   77.8name  marks0  Joe   85.11  Nat   77.8

使用axis='column'或axis=1的drop函数

示例: 让我们以上面的示例来理解如何使用axis = 'column'和axis = 1的drop函数。

student_df = student_df.drop(['age', 'marks'], axis='columns')  # alternative both generates same result  student_df = student_df.drop(['age', 'marks'], axis=1)  

输出: 执行此代码后，我们将获得以下输出：

name  age  marks0  Joe   20   85.11  Nat   21   77.8name0  Joe1  Nat

删除多个列

1. 使用column参数指定要删除的列名列表。
2. 将轴设置为1，并移动列名列表。

示例: 让我们以一个示例来了解如何一次删除多列。

import pandas as pd  student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [77.29, 69.15]}  student_df = pd.DataFrame(student_dict)  print(student_df.columns.values)  # drop 2 columns at a time  student_df = student_df.drop(columns=['age', 'marks'])  print(student_df.columns.values)  

输出: 执行此代码后，我们将获得以下输出：

name  age  marks0  John   24   77.291  Alex   18   69.15name0  John1  Alex

原地删除列

1. 如果inplace = True，则在不返回任何内容的情况下更新当前DataFrame。
2. 如果将inplace参数设置为False，则生成具有更新更改的新DataFrame并返回它。

示例: 让我们解释一下如何使用drop函数原地删除列。

import pandas as pd  student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [79.18, 68.79]}  student_df = pd.DataFrame(student_dict)  print(student_df.columns.values)  # drop columns in place  student_df.drop(columns=['age', 'marks'], inplace=True)  print(student_df.columns.values)  

输出: 执行上述代码后，我们将获得以下输出：

name  age  marks0  John   24   79.181  Alex   18   68.79name0  John1  Alex

通过抑制错误删除列

1. 将errors='ignore'设置为忽略任何错误。
2. 将errors='raised'设置为为未知列生成KeyError。

示例: 让我们通过抑制错误来删除列。

import pandas as pd  student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [79.49, 82.54]}  # Create DataFrame from dict  student_df = pd.DataFrame(student_dict)  print(student_df)  # supress error  student_df = student_df.drop(columns='salary', errors='ignore')  # No change in the student_df  # raise error  student_df = student_df.drop(columns='salary')  # KeyError: "['salary'] not found in axis"  

输出: 执行上述代码后，我们将获得以下输出：

name  age  marks0  John   24  79.491  Alex   18  82.54raise KeyError(f"{labels[mask]} not found in axis")KeyError: "['salary'] not found in axis"

通过索引位置删除列

删除前n列

示例: 让我们以一个示例来了解如何删除DataFrame中的前n列。

import pandas as pd  student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [  84.45, 76.11], "class": ["A", "B"],                  "city": ["US", "UK"]}  # Create DataFrame from dict  student_df = pd.DataFrame(student_dict)  print(student_df.columns.values)  # drop column 1 and 2  student_df = student_df.drop(columns=student_df.iloc[:, range(2)])  # print only columns  print(student_df.columns.values)  

输出: 执行上述代码后，我们将获得以下输出：

name  age  marks  class  city0  John   24  84.45   A     US1  Alex   18  76.11    B     UKmarks  class  city84.45   A     US76.11    B     UK

删除最后一列

示例: 让我们以一个示例来了解如何从DataFrame中删除最后一列。

import pandas as pd  student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [68.44, 85.67]}  # Create DataFrame from dict  student_df = pd.DataFrame(student_dict)  print(student_df.columns.values)  # find position of the last column and drop  pos = len(student_df.columns) - 1  student_df = student_df.drop(columns=student_df.columns[pos])  print(student_df.columns.values)  # delete column present at index 1  # student_df.drop(columns = student_df.columns[1])  

输出: 执行上述代码后，我们将获得以下输出：

name  age  marks0  John   24  68.441  Alex   18  85.67name  age0  John   241  Alex   18

使用iloc删除列的范围

示例: 让我们以一个示例来了解如何使用iloc函数删除列的范围。

import pandas as pd  student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [79.64, 86.84]}  # Create DataFrame from dict  student_df = pd.DataFrame(student_dict)  print(student_df.columns.values)  # drop column from 1 to 3  student_df = student_df.drop(columns=student_df.iloc[:, 1:3])  print(student_df.columns.values)  

输出: 执行上述代码后，我们将获得以下输出：

name  age  marks0  John   24  79.641  Alex   18  86.84name  0  John  1  Alex  

从多索引DataFrame中删除列

示例: 让我们以一个示例来了解如何从多索引DataFrame中删除列。

import pandas as pd  # create column header  col = pd.MultiIndex.from_arrays([['Class X', 'Class Y', 'Class Z', 'Class Y'],                                   ['Name', 'Marks', 'Name', 'Marks']])  # create DataFrame from 2darray  student_df = pd.DataFrame([['John', '87.22', 'Nat', '68.79'], ['Peter', '73.45', 'Alex', '82.76']], columns=col)  print(student_df)  # drop column  student_df = student_df.drop(columns=['Marks'], level=1)  print(student_df)  

输出: 执行上述代码后，我们将获得以下输出：

Class X Class Y Class Z Class Y     Name   Marks    Name   Marks0    John   87.22     Nat   68.791   Peter   73.45    Alex   82.76Class X Class Z     Name    Name0    John     Nat1   Peter    Alex

使用函数删除列

使用pandas DataFrame.pop()函数删除列

示例: 让我们以一个示例来了解如何使用pandas DataFrame.pop()函数删除列。

import pandas as pd  student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [62.46, 54.21]}  # Create DataFrame from dict  student_df = pd.DataFrame(student_dict)  print(student_df)  # drop column  student_df.pop('age')  print(student_df)  

输出: 执行上述代码后，我们将获得以下输出：

name  age  marks0  John   24  62.461  Alex   18  54.21name  marks0  John  62.461  Alex  54.21

使用loc函数删除列

示例: 让我们以一个示例来了解如何使用loc函数删除列。

import pandas as pd  student_dict = {"name": ["John", "Alex"], "age": [25, 19], "marks": [79.68, 84.45]}  # Create DataFrame from dict  student_df = pd.DataFrame(student_dict)  print(student_df.columns.values)  # drop column 1 and 2  student_df = student_df.drop(columns=student_df.loc[:])  # print only columns  print(student_df.columns.values)  

输出: 执行上述代码后，我们将获得以下输出：

name  age  marks0  John   24  79.681  Alex   18  84.45

使用pandas DataFrame删除函数

示例: 让我们以一个示例来了解如何使用pandas DataFrame删除函数。

import pandas as pd  student_dict = {"name": ["John", "Alex"], "age": [23, 22], "marks": [57.88, 78.84]}  # Create DataFrame from dict  student_df = pd.DataFrame(student_dict)  print(student_df)  # drop column  del student_df['age']  print(student_df) 

输出: 执行上述代码后，我们将获得以下输出：

name  age  marks0  John   23  57.881  Alex   22  78.84name  marks0  John  57.881  Alex  78.84

 1

热门推荐

• 代码后台运行，不止nohup，还有Python Supervisor！
• Pandas 教程-Pandas排序方法
• 13 个有趣的 Python 高级脚本