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, level=None, inplace=False, errors='raise')
- labels:待删除的行列名,labels = ‘A’ 即表示A列或者A行
- axis:{0或1}默认方向为0,纵向也就是列方向,1则表示横向,即行方向
- index:某一行或者多行
- colums:某一列或者多列
- level:等级,针对多重索引,暂时不会遇见
- inplace:True 或 False 默认为false,指是否在原数据上做操作
- errors:一般不会用到
drop删除行列
df = pd.DataFrame([[1,2,3,3,5],[2,3,4,5,6],[1,3,5,7,9],[2,4,6,8,5]],index=['a','b','c','d'],columns=['A','B','C','D','E'])
df
数据框数据如下
- 删除缺失值
## 删除缺失值是dropna函数,顺带一提
df.dropna() ## 删除所有含缺失值的行,默认axis = 0
df.dropna(axis=1) # 删除含缺失值的列
df.dropna(axis='columns') # 删除含有缺失值的列
df['columns'].dropna() # 删除指定列缺失值
- 直接删除行列
# 删除行数据
df = df.drop(['a']) ## 方法一,直接填写行索引
df = df.drop(labels = ['a','b']) ## 方法二,使用labels
df = df.drop(index='a') ## 使用index参数# 删除列数据
df = df.drop(['A'],axis=1) ## 需加上axis参数才可删除列数据
df = df.drop(labels='A',axis=1)
df = df.drop(columns='A') ## 使用columns参数
- 删除满足条件行列数据
## 删除行数据
df = df.drop(df.index[df['A'] == 2]) ## 删除A列数值为2的行
df = df.drop(df.index[(df['A'] == 2)|(df['A'] == 3)]) ## 删除A列数值为2或者3的数据所在行
df = df.drop(df.index[(df['A'] >= 2)&(df['A'] < 3)]) ## 删除A列数值大于等于且3的数据所在行## 删除列数据
df = df.drop(df.columns[df.loc['a'] == 3],axis = 1) ## 删除a行数据为3的列
df = df.drop(df.columns[(df.loc['a'] == 3) | (df.loc['a'] == 2)],axis = 1)
df = df.drop(df.columns[(df.loc['a'] < 3) & (df.loc['a'] >= 2)],axis = 1)
使用pandas的drop函数删除数据相关推荐
- 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使用dropna函数删除dataframe中全是缺失值的数据列(drop columns with all missing values in dataframe)
pandas使用dropna函数删除dataframe中全是缺失值的数据列(drop columns with all missing values in dataframe) 目录
- pandas使用dropna函数删除dataframe中所有包含缺失值的数据行(drop rows which contain missing vlaues in dataframe)
pandas使用dropna函数删除dataframe中所有包含缺失值的数据行(drop rows which contain missing vlaues in dataframe) 目录
- pandas使用dropna函数删除dataframe中列非缺失值的个数小于某一阈值的数据列
pandas使用dropna函数删除dataframe中列非缺失值的个数小于某一阈值的数据列(drop columns with non missing values less than a thre ...
- pandas使用dropna函数删除dataframe中列非缺失值的个数小于某一比例阈值的数据列
pandas使用dropna函数删除dataframe中列非缺失值的个数小于某一比例阈值的数据列(drop columns with non missing values less than a pr ...
- pandas使用duplicated函数删除dataframe中重复列名称的数据列、默认保留重复数据列中的第一个数据列(removing duplicate columns in dataframe)
pandas使用duplicated函数删除dataframe中重复列名称的数据列.默认保留重复数据列中的第一个数据列(removing duplicate columns in dataframe) ...
- pandas使用query函数删除dataframe中两个数据列加和小于某一特定值的数据行(removing rows based on multiple dataframe column value
pandas使用query函数删除dataframe中两个数据列加和小于某一特定值的数据行(removing rows based on multiple dataframe column value ...
- pandas使用dropna函数删除dataframe数据中指定数据列的内容为缺失值的数据行(使用subset参数指定数据列)
pandas使用dropna函数删除dataframe数据中指定数据列的内容为缺失值的数据行(使用subset参数指定数据列) 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 ...
最新文章
- 使用system函数时应该忽略两个信号
- iap如何初始化_IAP超级详解
- boxfilter 实现
- 没有安装node对等点依赖_功能依赖项的对等 数据库管理系统
- Makefile之静态模式(7)
- 关于ExecuteNonQuery执行存储过程的返回值 、、实例讲解存储过程的返回值与传出参数、、、C#获取存储过程的 Return返回值和Output输出参数值...
- 转换时间格式24小时_昼夜节律|来认识下你身体24小时的时间表
- urllib2 request 模拟伪装浏览器
- 快速掌握 深度学习(Deep Learning) 常用概念术语,常用模型
- 手机APP的常见功能测试用例
- 关于COM类工厂80070005和8000401a错误分析及解决办法
- 通达OA11.2漏洞复现
- 【proteus】模拟电路——集成运算放大器之LM324(一)LM324的介绍
- 【阿里云IoT+YF3300】10.快速开发188协议设备驱动
- 动态规划:走楼梯问题——01
- Allegro PCB设计中Etch层走线阻焊开窗的一种方法
- NLP聊天机器人的搭建(chatbot)(一)
- 我博士科研经历中的经验和教训——朱亮
- clickhouse 副本引擎
- Java基础系列19:使用JXL或者POI生成和解析Excel文件
热门文章
- 【Python】列表、元组、字典的使用详解(增删改查)
- 跟燕青学Redis-Redis集群安装
- 全球存储与数据峰会实况回顾——Infortrend实力绽放
- 174.127.195.176/bbs/index.php,[原创]一次逆向fb寻找密码的记录及还原相关算法
- 无需投资,小白在家也能闲鱼店创业赚钱,教你月入10000+丨国仁网络资讯
- 科技云报道:车云协同,云计算下一个主战场?
- JSP cookie详解
- ms17_010 入侵Win7
- 利用jad破解.class文件
- aaron note mysql