精华内容
下载资源
问答
  • 【Python】删除DataFrame或某列

    万次阅读 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。...

    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
    在这里插入图片描述

    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。
    在这里插入图片描述

    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。
    在这里插入图片描述
    方法二:采用del 方法,如下:
    在这里插入图片描述

    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

    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:datespringsummerautumnwinter200012.233880916.9073011315.6923831314.08596223200112.8474805716.7504687314....

    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

    展开全文
  • dataframe 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 ...

    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
    在这里插入图片描述

    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:
    在这里插入图片描述

    • 不改变dt
      代码如下:
    dt2=dt.dropna(subset=['c1'])
    

    运行显示dt2如下:
    在这里插入图片描述
    运行显示dt如下:
    在这里插入图片描述

    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:
    在这里插入图片描述

    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:
    在这里插入图片描述

    展开全文
  • Python删除dataframe的指定

    千次阅读 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.','...

    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.']))]
    
    展开全文
  • 删除dataframea 删除不掉 应该改成用一个dataframe接住drop后df
  • 下面小编就为大家分享一篇使用DataFrame删除行和列实例讲解,具有很好参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  • 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

    万次阅读 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删除或一列:drop函数

    万次阅读 多人点赞 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dataframe; inplace=True,则会直接在原...
  • 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...
  • Pythonic +可焊性:df[df['col'].astype(bool)]空字符串是虚假,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...
  • 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 = ['...
  • 1. 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...
  • 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 14:05:21
    dataframe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...
  • import 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...
  • 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...
  • 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
  • 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列或方法,具有很好参考价值,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

    千次阅读 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...
  • [img=https://img-bbs.csdn.net/upload/202004/30/1588240598_911088.png][/img] 在ac中删除与d数据相同应该怎么实现呢???

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 765
精华内容 306
关键字:

删除dataframe的行