df = df.dropna(axis=0,subset=['地区','年份'],how='any') print(df) 3、df.drop() 3.1 df.drop()参数详解 df.drop( labels=None, #要删除的行或列的标签名。list、str axis=0, #表示删除的是行还是列。行为0,列为1,默认为0。 index=None, #行索引 columns=None, #列索引 level=None, #...
df = df.drop(columns=df[df['A'].isin(['x', 'z'])].columns) # 删除'A'列为'x'或'z'的列 五、按条件删除多列如果要删除多列,只需将上述代码中的单列条件改为多列条件即可。 df = df.drop(columns=df[(df['A'] == 'x') | (df['B'] > 2)].columns) # 删除'A'列为'x'或'...
1. 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) 1. 2. 3. 对原数组作出修改并返回一个新数组,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。
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,...
-- inplace=True修改原数据 -- level 针对多重索引 指定级别 -- index 指定索引 -- columns 指定列名 二、实操 删除简单索引 importpandasaspdimportnumpyasnp# 构建测试集df = pd.DataFrame(np.arange(12).reshape(3,4), columns=['a','b','c','d'])''' ...
df.drop(columns = ['col1','col2'...]) df.pop('col_name') del df['col_name'] In the last section, we have shown the comparison of these functions. So stay tuned… Also, See: Drop duplicates in pandas DataFrame Drop columns with NA in pandas DataFrame ...
函数形式:dropna(axis=0, how=’any’, thresh=None, subset=None, inplace=False) 参数: axis:轴。0或’index’,表示按行删除;1或’columns’,表示按列删除。 how:筛选方式。‘any’,表示该行/列只要有一个以上的空值,就删除该行/列;‘all’,表示该行/列全部都为空值,就删除该行/列。
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 例子: >>>df = pd.DataFrame(np.arange(12).reshape(3,4), columns=['A', 'B', 'C', 'D']) ...
DF.drop([DF.columns[[0,1, 3]]], axis=1, inplace=True) # Note: zero indexed 1 2 3 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...
df.drop(index=[1]) 上述代码将删除索引为1的行,即第二行。 2. 删除列 要删除指定位置的列,可以使用drop函数并设置参数columns为要删除的列的标签,同样可以设置inplace=True以在原始DataFrame上进行修改,或者将其设置为False以返回一个新的DataFrame。