df.drop('columns_name', axis=1)# 注意此处 axis参数为1 2.删除多列 df.drop(df.columns[1:3], axis=1, inplace=True)
print("原始数据框:") print(df) 删除所有包含'1'的列 df = df.drop(labels=[col for col in df.columns if '1' in col], axis=1) print("删除包含'1'的列后的数据框:") print(df) 在这个例子中,我们删除了所有包含字符’1’的列。 根据索引位置删除行或列 我们也可以根据行或列的位置(索引)...
df[['密度', '含糖率']] 报错 # 使⽤drop，有三种⽅法：dt = dt.drop(['密度', '含糖率'], axis=1) # axis=1 表⽰删除列，['密度', '含糖率'] 要删除的col的列表，可⼀次删除多列 dt.drop(['密度', '含糖率'], axis=1, inplace=True) # inplace=True, 直接从内部删除 ...
除了基本的删除行和列,drop函数还支持更多参数,例如inplace参数。设为True时,操作将在原始数据框上进行,而不是返回一个新的数据框。 示例3:使用inplace参数 以下是如何使用inplace=True来直接修改原始数据框: # 直接修改原始数据框,删除列'C'df.drop('C',axis=1,inplace=True)print("\n直接修改原始数据框,...
axis:删除时所参考的轴,0为行,1为列; index:待删除的行名 columns:待删除的列名 level:多级列表时使用,暂时不作说明 inplace:布尔值,默认为False,这是返回的是一个copy;若为True,返回的是删除相应数据后的版本 errors一般用不到,这里不作解释 举例说明: ...
axis:删除时所参考的轴。0 表示行,1 表示列。 index:待删除的行名。可以是一个或多个标签。 columns:待删除的列名。可以是一个或多个标签。 level:多级列表时使用,暂时不作说明。 inplace:布尔值,默认为 False。如果为 True,则直接在原始数据上删除相应数据,并返回修改后的数据;如果为 False,则返回一个新...
(5)inplace=False,默认该删除操作不改变原数据框,drop()函数的返回值是删除操作后的结果;inplace=True,则会直接在原数据框上进行删除操作,删除后drop()函数无返回值。 3.删除行列有两种方式: (1)labels=None,axis=0 的组合。 (2)index或columns直接指定要删除的行或列。(详细例子见附图) ...
drop([ ],axis=0,inplace=True) 针对索引进行删除 1.drop([行]),删除行, 默认情况下删除某一行; 2.如果要删除某列,需要axis=1; 3.参数inplace:默认情况下为False,表示保持原来的数据不变,True 则表示在原来的数据上改变; 没有带columns,所以要指出是哪个轴上的,需要axis参数 ...
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,则会直接在原数据上进行删除操作,删除后无法返回。 因此,删除行列有两种方式: 1)labels=None,axis=0的组合 2)index或columns直接指定要删除的行或列
columns=['shenzhen', 'guangzhou', 'beijing', 'nanjing', 'haerbin']) city 我们还是删掉第1行(1实际上是第二行),而已这一次我们加上inplace=True: city.drop(labels=1,axis=0,inplace=True) 然后我们看一下原来的数据表city: 可以看到,第1行确实被删掉了,看上去好像没什么问题。