python进行数据处理——pandas的drop函数

2024-06-07 10:53:08

删除表中的某一行或者某一列更明智的方法是使用drop，它不改变原有的df中的数据，而是返回另一个dataframe来存放删除后的数据。本文出处主要来源于必备工具书《利用python进行数据分析》。

—————————————————————————————————————————————————————

清理无效数据

df[df.isnull()]  #返回的是个true或false的Series对象（掩码对象），进而筛选出我们需要的特定数据。
df[df.notnull()]df.dropna()     #将所有含有nan项的row删除
df.dropna(axis=1,thresh=3)  #将在列的方向上三个为NaN的项删除
df.dropna(how='ALL')        #将全部项都是nan的row删除

此处：print data.dropna() 和 print data[data.notnull()] 结果一样

填充无效值

df.fillna(0)
df.fillna({1:0, 2:0.5})         #对第一列nan值赋0，第二列赋值0.5
df.fillna(method='ffill')   #在列方向上以前一个值作为值赋给NaN

drop函数的使用

（1）drop函数的使用：删除行、删除列

print frame.drop(['a'])
print frame.drop(['Ohio'], axis = 1)

drop函数默认删除行，列需要加axis = 1

（2）drop函数的使用：inplace参数

采用drop方法，有下面三种等价的表达式：

1. DF= DF.drop('column_name', axis=1)；
2. DF.drop('column_name',axis=1, inplace=True)
3. DF.drop([DF.columns[[0,1, 3]]], axis=1, inplace=True)   # Note: zero indexed

注意：凡是会对原数组作出修改并返回一个新数组的，往往都有一个 inplace可选参数。如果手动设定为True（默认为False），那么原数组直接就被替换。也就是说，采用inplace=True之后，原数组名（如2和3情况所示）对应的内存值直接改变；

而采用inplace=False之后，原数组名对应的内存值并不改变，需要将新的结果赋给一个新的数组或者覆盖原数组的内存位置（如1情况所示）。

（3）drop函数的使用：数据类型转换

df['Name'] = df['Name'].astype(np.datetime64)

DataFrame.astype() 方法可对整个DataFrame或某一列进行数据格式转换，支持Python和NumPy的数据类型。

python进行数据处理——pandas的drop函数相关推荐

pandas使用drop函数删除dataframe中指定索引列表对应位置的数据行（drop multiple rows in dataframe with integer index）
pandas使用drop函数删除dataframe中指定索引列表对应位置的数据行(drop multiple rows in dataframe with integer index) 目录
pandas dataframe drop函数
使用drop函数删除dataframe的某列或某行数据: drop(labels, axis=0, level=None, inplace=False, errors='raise')-- axis为 ...
使用pandas的drop函数删除数据
使用pandas的drop对数据进行删除操作 drop函数参数详解 DataFrame.drop(labels=None, axis=0, index=None, columns=None, leve ...
【Python】图解Pandas的宝藏函数：assign
公众号:尤而小屋作者:Peter 编辑:Peter 在我们处理数据的时候,有时需要根据某个列进行计算得到一个新列,以便后续使用,相当于是根据已知列得到新的列,这个时候assign函数非常方便.下面通 ...
Python地理数据处理库shapely支持函数总结
Shapely是一个Python库,用于操作和分析笛卡尔坐标系中的几何对象. 本文通过部分示例介绍了空间处理库Shape的部分概念与操作函数. 官方文档:https://shapely.readthe ...
python中head_Python pandas.DataFrame.head函数方法的使用
DataFrame.head(self, n=5) [source] 返回前n行. 此函数根据位置返回对象的前n行.这对于快速测试对象中的数据类型是否正确非常有用. 参数:n :int,默认5 要选择 ...
python panda apply_python – Pandas – 关于apply函数缓慢的解释
关于你的第一个问题,我不能确切地说为什么这个例子很慢.但通常,apply不会利用矢量化.此外,apply返回一个新的Series或DataFrame对象,因此对于一个非常大的DataFrame,你有相 ...
python中unstack_Python pandas.DataFrame.unstack函数方法的使用
DataFrame.unstack(level=-1, fill_value=None)[source] Pivot(必要的分层)索引标签的一个级别. 返回具有列标签新级别的DataFrame,其最内 ...
python中fillna_Python pandas.DataFrame.fillna函数方法的使用
DataFrame.fillna(self, value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, ...
Pandas数据处理2、DataFrame的drop函数具体参数使用详情
Pandas数据处理2.DataFrame的drop函数具体参数使用详情目录 Pandas数据处理2.DataFrame的drop函数具体参数使用详情前言环境基础函数的使用 drop函数编码 ...

最新文章

热门文章