Python是进行数据分析的优秀语言,主要是因为以数据为中心的Python软件包的奇妙生态系统。 熊猫 是这些软件包中的一个,使导入和分析数据变得更加容易。
Pandas为数据分析人员提供了一种使用 .drop()
方法使用此方法,可以使用索引标签或列名删除行或列。
语法: 数据帧。drop(labels=None,axis=0,index=None,columns=None,level=None,inplace=False,errors=’raise’)
参数:
标签: 表示行或列名的字符串或字符串列表。 轴线: int或string值,0’索引’表示行,1’列’表示列。 索引或列: 单一标签或列表。索引或列是axis的替代项,不能一起使用。 级别: 用于在数据帧具有多级索引的情况下指定级别。 就地: 如果为True,则在原始数据帧中进行更改。 错误: 如果列表中的任何值不存在,则忽略错误,如果错误=’ignore’
返回类型: 带有删除值的数据帧
要下载代码中使用的CSV,请单击 在这里
示例#1:按索引标签删除行 在他的代码中,传递一个索引标签列表,并使用删除与这些标签对应的行。drop()方法。
# importing pandas module import pandas as pd # making data frame from csv file data = pd.read_csv( "nba.csv" , index_col = "Name" ) # dropping passed values data.drop([ "Avery Bradley" , "John Holland" , "R.J. Hunter" , "R.J. Hunter" ], inplace = True ) # display data |
输出: 如输出图像所示,新输出没有传递的值。由于inplace是真的,所以这些值被删除,并在原始数据框中进行了更改。 删除值之前的数据帧- 删除值后的数据帧-
示例#2:删除具有列名的列
在他的代码中,使用列名删除传递的列。 axis
参数保留为1,因为1表示列。
# importing pandas module import pandas as pd # making data frame from csv file data = pd.read_csv( "nba.csv" , index_col = "Name" ) # dropping passed columns data.drop([ "Team" , "Weight" ], axis = 1 , inplace = True ) # display data |
输出: 如输出图像所示,新输出没有传递的列。由于axis设置为1,这些值被删除,并且由于inplace为真,在原始数据框中进行了更改。 删除列之前的数据帧- 删除列后的数据帧-