drop columns pandas df.drop(columns=['B','C']) 5 0 从dataframe中删除列 #To delete the column without having to reassign dfdf.drop('column_name', axis=1, inplace=True) 4 0 在pandas中删除列 note: dfisyour dataframe df =
data={'name':['pandasdataframe.com','pandasdataframe.com','pandasdataframe.com'],'age':[25,30,35],'city':['Beijing','Shanghai','Guangzhou']}df=pd.DataFrame(data)df.drop(columns=df.columns[df.isnull().any()])print(df)
代码语言:txt 复制condition = df['A'] > 2 df = df.drop(df[condition].columns, axis=1) 在上述代码中,我们首先定义一个条件(condition),即选择'A'列中大于2的行。然后使用drop()方法删除满足条件的列,指定axis=1表示按列删除。 最后,DataFrame(df)将只包含满足条件的列之外的列。
确保要删除的列名存在于DataFrame中,可以通过使用columns属性查看DataFrame的列名列表来验证。 使用inplace参数:默认情况下,drop()方法返回一个新的DataFrame,原始DataFrame不会被修改。如果希望在原始DataFrame上进行修改,可以设置inplace参数为True。例如,使用df.drop('column_name', axis=1, inp...
df_dropped_columns = df.drop(columns=['City']) print(df_dropped_columns) 上面的代码会删除城市列,并返回一个新的DataFrame: Name Age 0 Alice 25 1 Bob 30 2 Charlie 35 3 David 40 注意:筛选和删除操作默认返回的是一个新的DataFrame,不会改变原始的DataFrame。
除了使用labels参数和axis参数删除列,我们还可以直接使用columns参数删除列。 示例代码: importpandasaspd# 创建一个DataFramedf=pd.DataFrame({'A':[1,2,3],'B':[4,5,6],'C':[7,8,9]},index=['a','b','c'])# 删除列'B'df.drop(columns='B')print(df) ...
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'...
'2.删除列数据'df4=df1.drop(labels=['A','B','C'],axis=1) df44=df1.drop(columns=['A','B','C']) '3.inplace参数的使用'dfs=df1#inplace=None时返回删除前的数据dfs.drop(labels=['A','B','C'],axis=1) #inplace=True时返回删除后的数据dfs.drop(labels=['A','B','C'],axi...
通过pandas删除列: 1.del df['columns'] #改变原始数据 2.df.drop('columns',axis=1)#删除不改表原始数据,可以通过重新赋值的方式赋值该数据 3.df.drop('columns',axis=1,inplace='True') #改变原始数据
示例: 我们使用df.drop(columns='col name')来从下面的示例中删除DataFrame的'age'列。 import pandas as pdstudent_dict = {'name': ['Joe','Nat'],'age': [20, 21],'marks': [85.10, 77.80]}# Create DataFrame from dictstudent_df = pd.DataFrame(student_dict)print(student_df)# drop column...