-
【Python】删除DataFrame某行或某列
2019-06-06 12:34:57摘要 在进行数据分析操作时，经常只需要选取我们需要的行，或者...2.删除DataFrame的’bb’行 直接采用drop函数即可，设置参数axis=0. 参数axis为0表示在0轴（列）上搜索名字为bb的对象，然后删除对象bb对应的行。...展开全文摘要
在进行数据分析操作时，经常只需要选取我们需要的行，或者列，本章就讲一下删除行列的操作。从本文你也可以知道drop函数的axis参数0和1分别代表列和行。
1.创建DataFrame
首先创建一个简单的DataFrame
2.删除DataFrame的’bb’行
直接采用drop函数即可，设置参数axis=0. 参数axis为0表示在0轴（列）上搜索名字为bb的对象，然后删除对象bb对应的行。
3.删除DataFrame的’c’列
方法一：直接采用drop函数即可，设置参数axis=1. 参数axis为1表示在1轴（行）上搜索名字为c的对象，然后删除对象c对应的列。
方法二：采用del 方法，如下：
欢迎添加个人微信号：liu2536036458。想进入交流群的，备注：数据分析交流群
-
pythondataframe删除行_使用DataFrame删除行和列的实例讲解
2020-12-04 00:32:22本文通过一个csv实例文件来展示如何删除Pandas.DataFrame的行和列数据文件名为:example.csv内容为：datespringsummerautumnwinter200012.233880916.9073011315.6923831314.08596223200112.8474805716.7504687314....展开全文本文通过一个csv实例文件来展示如何删除Pandas.DataFrame的行和列
数据文件名为:example.csv
内容为：
date
spring
summer
autumn
winter
2000
12.2338809
16.90730113
15.69238313
14.08596223
2001
12.84748057
16.75046873
14.51406637
13.5037456
2002
13.558175
17.2033926
15.6999475
13.23365247
2003
12.6547247
16.89491533
15.6614647
12.84347867
2004
13.2537298
17.04696657
15.20905377
14.3647912
2005
13.4443049
16.7459822
16.62218797
11.61082257
2006
13.50569567
16.83357857
15.4979282
12.19934363
2007
13.48852623
16.66773283
15.81701437
13.7438216
2008
13.1515319
16.48650693
15.72957287
12.93233587
2009
13.45771543
16.63923783
18.26017997
12.65315943
2010
13.1945485
16.7286889
15.42635267
13.8833583
2011
14.34779417
16.68942103
14.17658043
12.36654197
2012
13.6050867
17.13056773
14.71796777
13.29255243
2013
13.02790787
17.38619343
16.20345497
13.18612133
2014
12.74668163
16.54428687
14.7367682
12.87065125
2015
13.465904
16.50612317
12.44243663
11.0181384
season
spring
summer
autumn
winter
slope
0.0379691374
-0.01164689167
-0.07913844113
-0.07765274553
删除行
In [1]:
import numpy as np
import pandas as pd
odata = pd.read_csv('example.csv')
odata
Out[1]:
date spring summer autumn winter
0 2000 12.2338809 16.9073011333 15.6923831333 14.0859622333
1 2001 12.8474805667 16.7504687333 14.5140663667 13.5037456
2 2002 13.558175 17.2033926 15.6999475 13.2336524667
3 2003 12.6547247 16.8949153333 15.6614647 12.8434786667
4 2004 13.2537298 17.0469665667 15.2090537667 14.3647912
5 2005 13.4443049 16.7459822 16.6221879667 11.6108225667
6 2006 13.5056956667 16.8335785667 15.4979282 12.1993436333
7 2007 13.4885262333 16.6677328333 15.8170143667 13.7438216
8 2008 13.1515319 16.4865069333 15.7295728667 12.9323358667
9 2009 13.4577154333 16.6392378333 18.2601799667 12.6531594333
10 2010 13.1945485 16.7286889 15.4263526667 13.8833583
11 2011 14.3477941667 16.6894210333 14.1765804333 12.3665419667
12 2012 13.6050867 17.1305677333 14.7179677667 13.2925524333
13 2013 13.0279078667 17.3861934333 16.2034549667 13.1861213333
14 2014 12.7466816333 16.5442868667 14.7367682 12.8706512467
15 2015 13.465904 16.5061231667 12.4424366333 11.0181384
16 season spring summer autumn winter
17 slope 0.037969137402 -0.0116468916667 -0.0791384411275 -0.0776527455294
.drop()方法如果不设置参数inplace=True，则只能在生成的新数据块中实现删除效果，而不能删除原有数据块的相应行。
In [2]:
data = odata.drop([16,17])
odata
Out[2]:
date spring summer autumn winter
0 2000 12.2338809 16.9073011333 15.6923831333 14.0859622333
1 2001 12.8474805667 16.7504687333 14.5140663667 13.5037456
2 2002 13.558175 17.2033926 15.6999475 13.2336524667
3 2003 12.6547247 16.8949153333 15.6614647 12.8434786667
4 2004 13.2537298 17.0469665667 15.2090537667 14.3647912
5 2005 13.4443049 16.7459822 16.6221879667 11.6108225667
6 2006 13.5056956667 16.8335785667 15.4979282 12.1993436333
7 2007 13.4885262333 16.6677328333 15.8170143667 13.7438216
8 2008 13.1515319 16.4865069333 15.7295728667 12.9323358667
9 2009 13.4577154333 16.6392378333 18.2601799667 12.6531594333
10 2010 13.1945485 16.7286889 15.4263526667 13.8833583
11 2011 14.3477941667 16.6894210333 14.1765804333 12.3665419667
12 2012 13.6050867 17.1305677333 14.7179677667 13.2925524333
13 2013 13.0279078667 17.3861934333 16.2034549667 13.1861213333
14 2014 12.7466816333 16.5442868667 14.7367682 12.8706512467
15 2015 13.465904 16.5061231667 12.4424366333 11.0181384
16 season spring summer autumn winter
17 slope 0.037969137402 -0.0116468916667 -0.0791384411275 -0.0776527455294
In [3]:
data
Out[3]:
date spring summer autumn winter
0 2000 12.2338809 16.9073011333 15.6923831333 14.0859622333
1 2001 12.8474805667 16.7504687333 14.5140663667 13.5037456
2 2002 13.558175 17.2033926 15.6999475 13.2336524667
3 2003 12.6547247 16.8949153333 15.6614647 12.8434786667
4 2004 13.2537298 17.0469665667 15.2090537667 14.3647912
5 2005 13.4443049 16.7459822 16.6221879667 11.6108225667
6 2006 13.5056956667 16.8335785667 15.4979282 12.1993436333
7 2007 13.4885262333 16.6677328333 15.8170143667 13.7438216
8 2008 13.1515319 16.4865069333 15.7295728667 12.9323358667
9 2009 13.4577154333 16.6392378333 18.2601799667 12.6531594333
10 2010 13.1945485 16.7286889 15.4263526667 13.8833583
11 2011 14.3477941667 16.6894210333 14.1765804333 12.3665419667
12 2012 13.6050867 17.1305677333 14.7179677667 13.2925524333
13 2013 13.0279078667 17.3861934333 16.2034549667 13.1861213333
14 2014 12.7466816333 16.5442868667 14.7367682 12.8706512467
15 2015 13.465904 16.5061231667 12.4424366333 11.0181384
如果inplace=True则原有数据块的相应行被删除
In [4]:
odata.drop(odata.index[[16,17]],inplace=True)
odata
Out[4]:
date spring summer autumn winter
0 2000 12.2338809 16.9073011333 15.6923831333 14.0859622333
1 2001 12.8474805667 16.7504687333 14.5140663667 13.5037456
2 2002 13.558175 17.2033926 15.6999475 13.2336524667
3 2003 12.6547247 16.8949153333 15.6614647 12.8434786667
4 2004 13.2537298 17.0469665667 15.2090537667 14.3647912
5 2005 13.4443049 16.7459822 16.6221879667 11.6108225667
6 2006 13.5056956667 16.8335785667 15.4979282 12.1993436333
7 2007 13.4885262333 16.6677328333 15.8170143667 13.7438216
8 2008 13.1515319 16.4865069333 15.7295728667 12.9323358667
9 2009 13.4577154333 16.6392378333 18.2601799667 12.6531594333
10 2010 13.1945485 16.7286889 15.4263526667 13.8833583
11 2011 14.3477941667 16.6894210333 14.1765804333 12.3665419667
12 2012 13.6050867 17.1305677333 14.7179677667 13.2925524333
13 2013 13.0279078667 17.3861934333 16.2034549667 13.1861213333
14 2014 12.7466816333 16.5442868667 14.7367682 12.8706512467
15 2015 13.465904 16.5061231667 12.4424366333 11.0181384
删除列
del方法
In [5]:
del odata['date']
odata
Out[5]:
spring summer autumn winter
0 12.2338809 16.9073011333 15.6923831333 14.0859622333
1 12.8474805667 16.7504687333 14.5140663667 13.5037456
2 13.558175 17.2033926 15.6999475 13.2336524667
3 12.6547247 16.8949153333 15.6614647 12.8434786667
4 13.2537298 17.0469665667 15.2090537667 14.3647912
5 13.4443049 16.7459822 16.6221879667 11.6108225667
6 13.5056956667 16.8335785667 15.4979282 12.1993436333
7 13.4885262333 16.6677328333 15.8170143667 13.7438216
8 13.1515319 16.4865069333 15.7295728667 12.9323358667
9 13.4577154333 16.6392378333 18.2601799667 12.6531594333
10 13.1945485 16.7286889 15.4263526667 13.8833583
11 14.3477941667 16.6894210333 14.1765804333 12.3665419667
12 13.6050867 17.1305677333 14.7179677667 13.2925524333
13 13.0279078667 17.3861934333 16.2034549667 13.1861213333
14 12.7466816333 16.5442868667 14.7367682 12.8706512467
15 13.465904 16.5061231667 12.4424366333 11.0181384
.pop()方法
.pop方法可以将所选列从原数据块中弹出，原数据块不再保留该列
In [6]:
spring = odata.pop('spring')
spring
Out[6]:
0 12.2338809
1 12.8474805667
2 13.558175
3 12.6547247
4 13.2537298
5 13.4443049
6 13.5056956667
7 13.4885262333
8 13.1515319
9 13.4577154333
10 13.1945485
11 14.3477941667
12 13.6050867
13 13.0279078667
14 12.7466816333
15 13.465904
Name: spring, dtype: object
In [7]:
odata
Out[7]:
summer autumn winter
0 16.9073011333 15.6923831333 14.0859622333
1 16.7504687333 14.5140663667 13.5037456
2 17.2033926 15.6999475 13.2336524667
3 16.8949153333 15.6614647 12.8434786667
4 17.0469665667 15.2090537667 14.3647912
5 16.7459822 16.6221879667 11.6108225667
6 16.8335785667 15.4979282 12.1993436333
7 16.6677328333 15.8170143667 13.7438216
8 16.4865069333 15.7295728667 12.9323358667
9 16.6392378333 18.2601799667 12.6531594333
10 16.7286889 15.4263526667 13.8833583
11 16.6894210333 14.1765804333 12.3665419667
12 17.1305677333 14.7179677667 13.2925524333
13 17.3861934333 16.2034549667 13.1861213333
14 16.5442868667 14.7367682 12.8706512467
15 16.5061231667 12.4424366333 11.0181384
.drop()方法
drop方法既可以保留原数据块中的所选列，也可以删除，这取决于参数inplace
In [8]:
withoutSummer = odata.drop(['summer'],axis=1)
withoutSummer
Out[8]:
autumn winter
0 15.6923831333 14.0859622333
1 14.5140663667 13.5037456
2 15.6999475 13.2336524667
3 15.6614647 12.8434786667
4 15.2090537667 14.3647912
5 16.6221879667 11.6108225667
6 15.4979282 12.1993436333
7 15.8170143667 13.7438216
8 15.7295728667 12.9323358667
9 18.2601799667 12.6531594333
10 15.4263526667 13.8833583
11 14.1765804333 12.3665419667
12 14.7179677667 13.2925524333
13 16.2034549667 13.1861213333
14 14.7367682 12.8706512467
15 12.4424366333 11.0181384
In [9]:
odata
Out[9]:
summer autumn winter
0 16.9073011333 15.6923831333 14.0859622333
1 16.7504687333 14.5140663667 13.5037456
2 17.2033926 15.6999475 13.2336524667
3 16.8949153333 15.6614647 12.8434786667
4 17.0469665667 15.2090537667 14.3647912
5 16.7459822 16.6221879667 11.6108225667
6 16.8335785667 15.4979282 12.1993436333
7 16.6677328333 15.8170143667 13.7438216
8 16.4865069333 15.7295728667 12.9323358667
9 16.6392378333 18.2601799667 12.6531594333
10 16.7286889 15.4263526667 13.8833583
11 16.6894210333 14.1765804333 12.3665419667
12 17.1305677333 14.7179677667 13.2925524333
13 17.3861934333 16.2034549667 13.1861213333
14 16.5442868667 14.7367682 12.8706512467
15 16.5061231667 12.4424366333 11.0181384
当inplace=True时.drop()执行内部删除，不返回任何值，原数据发生改变
In [10]:
withoutWinter = odata.drop(['winter'],axis=1,inplace=True)
type(withoutWinter)
Out[10]:
NoneType
In [11]:
odata
Out[11]:
summer autumne
0 16.9073011333 15.6923831333
1 16.7504687333 14.5140663667
2 17.2033926 15.6999475
3 16.8949153333 15.6614647
4 17.0469665667 15.2090537667
5 16.7459822 16.6221879667
6 16.8335785667 15.4979282
7 16.6677328333 15.8170143667
8 16.4865069333 15.7295728667
9 16.6392378333 18.2601799667
10 16.7286889 15.4263526667
11 16.6894210333 14.1765804333
12 17.1305677333 14.7179677667
13 17.3861934333 16.2034549667
14 16.5442868667 14.7367682
15 16.5061231667 12.4424366333
总结，不论是行删除还是列删除，也不论是原数据删除，还是输出新变量删除，.drop()的方法都能达到目的，为了方便好记，熟练操作，所以应该尽量多使用.drop()方法
-
dataframe 删除行操作--删除特定值的行
2019-09-16 10:26:17dataframe 删除行操作--删除某个列中值为空的行生成一个含有空值的dataframe删除列c1中值为空“NaN”的行 下面举一个例子来展示。 生成一个含有空值的dataframe 代码如下： # coding: utf-8 import pandas as pd ...展开全文dataframe 删除行操作--删除特定值的行
下面举一个例子来展示。
删除某个列中值为空“NaN”的行
首先生成一个含有空值的dataframe
代码如下：
# coding: utf-8 import pandas as pd import numpy as np dt = pd.DataFrame({'c1': [11, 12, 10, np.nan,56, 88], 'c2': ['a', 'b', np.nan, np.nan\ , 'd', 'e'], 'c3': [np.nan, 62, 26, np.nan, np.nan,71], 'd4': \ [np.nan, np.nan, np.nan, np.nan, np.nan, np.nan]})生成的dt，显示为
而后删除列c1中值为空“NaN”的行。此处有两种情况需要考虑。一种是需要改变dt本身，另一种是不需要改变dt本身，将删除行的数据赋给另一个dataframe。
- 改变dt
通过设置参数inplace实现，代码如下：
dt.dropna(subset=['c1'],inplace=True)运行显示dt如下：
- 不改变dt
代码如下：
dt2=dt.dropna(subset=['c1'])运行显示dt2如下：
运行显示dt如下：
删除某个列中值为指定值的行
此处删除列c1中，值为12和56的行，并把结果赋给变量dt3。代码如下：
dt3=dt[(dt.c1!=12)&(dt.c1!=56)]运行显示dt3如下：
删除索引为指定值的行
此处删除索引为1和4的行，并把结果赋给变量dt4。代码如下：
dt4=dt[(dt.index!=1)&(dt.index!=4)]运行显示dt4如下：
- 改变dt
-
Python删除dataframe的指定行
2020-07-24 10:25:05删除‘货号’栏是‘-’的行 full=full[~(full['货号'].isin(['-']))] ‘货号’栏有：‘DM0029.’,‘DM0040.’…的成为一个新表，其他的成为一个新表 new=fina[(fina['货号'].isin(['DM0029.','DM0040.','DM0031.','...展开全文删除‘货号’栏是‘-’的行
full=full[~(full['货号'].isin(['-']))]‘货号’栏有：‘DM0029.’,‘DM0040.’…的成为一个新表，其他的成为一个新表
new=fina[(fina['货号'].isin(['DM0029.','DM0040.','DM0031.','DM0034.','DM0032.','DM0030.','DM0033.','DM0036.','DM0037.']))] old=fina[~(fina['货号'].isin(['DM0029.','DM0040.','DM0031.','DM0034.','DM0032.','DM0030.','DM0033.','DM0036.','DM0037.']))]
-
删除dataframe中的某行 删除不掉是为啥
2021-04-13 18:50:19删除dataframe中的a行 删除不掉 应该改成用一个dataframe接住drop后的df -
使用DataFrame删除行和列的实例讲解
2020-09-20 15:50:15下面小编就为大家分享一篇使用DataFrame删除行和列的实例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧 -
pythondataframe删除行_Python-根据列值删除Pandas中的DataFrame行
2020-12-04 00:32:18我有以下DataFrame：daysago line_race rating rw wratingline_date2007-03-31 62 11 56 1.000000 56.0000002007-03-10 83 11 67 1.000000 67.0000002007-02-10 ... -
DataFrame删除行和列
2017-09-14 19:51:11本文通过一个csv实例文件来展示如何删除Pandas.DataFrame的行和列数据文件名为:example.csv内容为：date spring summer autumn winter 2000 12.2338809 16.90730113 15.69238313 14.08596223 2001 12.84748057 16.... -
Python中pandas dataframe删除一行或一列：drop函数
2018-02-10 20:10:25用法：DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False) ...inplace=False，默认该删除操作不改变原数据，而是返回一个执行删除操作后的新dataframe； inplace=True，则会直接在原... -
删除dataframe的第一行_把dataframe删掉第一行_python – 从Pandas DataFrame中的所有行中减去第一行...
2021-02-11 20:06:30我有一个pandas数据帧：a = pd.DataFrame(rand(5,6)*10, index=pd.DatetimeIndex(start='2005', periods=5, freq='A'))a.columns = pd.MultiIndex.from_product([('A','B'),('a','b'...的行.要做到这一点,我试过这个... -
python dataframe 删除行_python-从pandas DataFrame删除包含空单元格的行
2020-12-04 10:29:56Pythonic +可焊性：df[df['col'].astype(bool)]空字符串是虚假的，这意味着您可以像这样过滤布尔值：df = pd.DataFrame({'A': range(5),'B': ['foo', '', 'bar', '', 'xyz']})dfA B0 0 foo1 12 2 bar3 34 4 xyzdf['B... -
pythondataframe删除行_[译]在Pandas的Dataframe中删除行、列
2020-12-09 12:54:31导入模块import pandas as pd创建dataframedata = {'name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy'],'year': [2012, 2012, 2013, 2014, 2014],'reports': [4, 24, 31, 2, 3]}df = pd.DataFrame(data, index = ['... -
python dataframe删除重复行_pandas DataFrame 删除重复的行的实现方法
2020-12-04 10:30:471. 建立一个DataFrameC=pd.DataFrame({'a':['dog']*3+['fish']*3+['dog'],'b':[10,10,12,12,14,14,10]})2. 判断是否有重复项用duplicated( )函数判断C.duplicated()3. 有重复项，则可以用drop_duplicates()移除重复... -
python dataframe删除重复行_pandas DataFrame 如何删除重复的行
2020-12-04 10:30:45本文实例讲述了Python基于pandas实现json格式转换成dataframe的方法。分享给大家供大家参考，具体如下： # -*- coding:utf-8 -*-#!python3import reimport jsonfrom bs4 import BeautifulSoupimport pandas as pd... -
dataframe删除重复的行
2020-06-19 14:05:21dataframe删除重复的行 #去掉column1和column2列中重复的行，并保留重复出现的行中第一次出现的行 norepeat_df = df.drop_duplicates(subset=['column1', 'column2'], keep='first') 当keep=False时，就是去掉所有... -
python 删除 DataFrame表的最后一行的正确方法
2019-11-06 17:29:40import pandas as pd ...df = pd.DataFrame(np.arange(12).reshape(3,4), columns=['A', 'B', 'C', 'D']) print("df",df) # df.drop([-1],inplace=True) df.drop([len(df)-1],inplace=True) print... -
python删除第一行_python学习之删除DataFrame某一行/列内容
2020-11-20 22:58:41用法：DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False)参数说明：labels 就是要删除的...index 直接指定要删除的行columns 直接指定要删除的列inplace=False，默认该删除操作不改变... -
pandas DataFrame 删除重复的行的实现方法
2020-09-19 16:08:41主要介绍了pandas DataFrame 删除重复的行的实现方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧 -
删除DataFrame中值全为NaN或者包含有NaN的列或行方法
2020-09-19 23:31:58今天小编就为大家分享一篇删除DataFrame中值全为NaN或者包含有NaN的列或行方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧 -
DataFrame删除行、列
2018-06-03 14:57:42我们需要删除某一列所有元素中含有固定字符元素所在的行，比如下面的例子： 如果要删除的元素固定有更简单的方法，可参考另一篇博文：http://blog.csdn.net/htbeker/article/details/79427628... -
如何删除dataframe中的一行？
2020-04-30 17:57:47[img=https://img-bbs.csdn.net/upload/202004/30/1588240598_911088.png][/img] 在ac中删除与d数据相同的一行应该怎么实现呢？？？
