詳解dataframe刪除

一、dataframe刪除一列

當我們需要刪除dataframe中的一個或多個列或者行時，可以通過drop()方法實現。對於dataframe刪除一列的情況，需要指定列名和axis參數，axis默認為0，代表刪除行，在這裡修改為1即可刪除列

df.drop('column name', axis=1, inplace=True)

其中，’column name’是需要刪除的列名，inplace參數表示對原dataframe進行修改

該方法也支持同時刪除多列，只需在列名列表中添加需要刪除的列即可：

df.drop(['column1', 'column2'], axis=1, inplace=True)

在dataframe數據分析中，常常需要對空值進行處理。如果需要刪除任意空值的行，可以使用dropna()方法。該方法默認刪除包含任意空值的行。

df.dropna(inplace=True)

同時，該方法也支持刪除包含不同程度空值的行，只需要將其中的參數threshold修改就可以。

df.dropna(thresh=n, inplace=True)

其中，n表示最少允許有多少個非空值

在dataframe中，經常會存在重複的數據。如果需要刪除重複數據，可以使用drop_duplicates()方法。

df.drop_duplicates(inplace=True)

該方法默認刪除全部列的重複數據。如果需要指定刪除哪些列的重複數據，可以在方法中指定需要考慮重複的列名列表。

df.drop_duplicates(['column1', 'column2'], inplace=True)

前面已經介紹了如何刪除單個或多個列。如果需要刪除不連續的多列，也可以在drop()方法中指定需要刪除的列名列表。

df.drop(columns=['column1', 'column2'], inplace=True)

在dataframe中，如果需要刪除某一行，可以通過指定橫向的行號來實現。在Python中，行號從0開始計數，因此需要將需要刪除的行號-1

df.drop(df.index[row_num-1], inplace=True)

除了刪除空值行或重複行，有時候需要刪除某一列中存在某些值的行。可以使用如下代碼實現：

df = df[~df['column name'].isin(['value1', 'value2'])]

以上代碼中，在列名後使用isin()方法選取需要刪除的多個值，最後在列名前加上「~」表示反選，即刪除不匹配的行。

除了通過行號來刪除指定行，還可以通過訪問某一列的值來刪除特定行。例如：

df = df[df['column name'] != 'value']

以上代碼中，等號右邊的value代表要刪除的行所在列的特定值。最後一行代碼實現了將不等於value的所有行複製到df中，從而實現了刪除指定行的效果。

如果只是需要刪除某一列，可以使用drop()方法，代碼如下：

df.drop('column name', axis=1, inplace=True)

此時，需要將axis參數設置為1，表示要刪除列。

如果需要刪除dataframe中的最後一行，可以使用如下代碼實現：

df.drop(df.index[-1], inplace=True)

這裡使用了Python中負數的特性，-1表示最後一個元素。

以上就是對於dataframe刪除的詳細闡述。在數據分析中，刪除數據常常是數據清洗的一部分，掌握dataframe的刪除方法對於數據清洗工作非常重要。

原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-tw/n/151816.html