df.drop(labels=[‘A’, ‘B’], axis=1, inplace=True)df.drop(labels=[0, 1], axis=0, inplace=True)print(df)输出结果为:C2 9示例4:删除指定行和列的组合假设我们有一个名为 df 的 DataFrame,其中包含以下数据:df = pd.DataFrame({‘A’: [1, 2, 3],
1)labels=None,axis=0的组合 2)index或columns直接指定要删除的行或列 【实例】 代码语言:javascript 代码运行次数:0 #-*-coding:UTF-8-*-importpandasaspd df=pd.read_excel('data_1.xlsx')print(df)df=df.drop(['学号','语文'],axis=1)print(df)df=df.drop([1,2],axis=0)print(df) df=df....
df22=df1.drop(index=0) #删除多行数据df3=df1.drop(labels=[0,1,2],axis=0) df33=df1.drop(index=[0,1,2]) '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...
读取CSV文件:使用pd.read_csv方法读取名为xscj1.csv的文件,并将其存储在df_data中。 删除列:使用df_data.drop("yw", axis=1)删除名为yw的列。由于没有设置inplace=True,所以原始数据并未改变。 删除行:使用df_data.drop(0)删除第0行。同样,因为没有设置inplace=True,所以原始数据未受影响。 排序:最后,...
df.drop()的基本语法结构如下：参数解释：labels：要删除的行或列的标签。如果要删除行，就传入行的标签；如果要删除列，就传入列的标签。就像你想丢掉房间里的一件衣服，labels就告诉你要丢掉哪一件。axis：指定删除的方向，axis=0表示删除行，axis=1表示删除列。默认是axis=0，如果想清理掉无用的行，就设置成...
df.drop(1,axis=0) 2.使用索引删除多行 df.drop([1,2,3],axis=0)与df.drop(index=[1,2,3])等效。 3. 删除某列指定值所在的行 df = df.drop(df[df['columns_name'] == 'USA'].index)# 删除columns_name列中值为USA的行 4. 根据某列条件删除多行的值 ...
df = df.set_index(['国家/地区','区域','城市']) print(df) 2、修改列标签 2.1 修改列标签的名称(常用) import pandas as pd #读取数据 df = pd.read_excel(r'C:\Users\XXXXXX\Desktop\pandas练习文档.xlsx',sheet_name=2) # print(df.head(5)) ...
inplace: 同drop()。 ignore_index: 设置是否忽略行索引,默认False,去重后的结果的行索引保持原索引不变。如果设置为True,则结果的行索引被重置为0开始的自然数。 drop_duplicates()基本使用 df3=pd.DataFrame({'A':['a0','a1','a1','a2','a2'],'B':['b0','b1','b1','b2','b2'],'C':['...
下面我们通过一些示例来说明如何使用drop函数删除列。 2. 删除单列 如果我们只想删除DataFrame的一列,可以直接传入列名到drop函数的labels参数,并设置axis=1。 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'])# ...
要删除行,可以使用drop()函数的axis参数设置为0。例如,要删除索引为2和4的行,可以使用以下代码: 代码语言:python 代码运行次数:0 复制 df.drop([2,4],axis=0,inplace=True) 要删除列,可以使用drop()函数的axis参数设置为1。例如,要删除名为"column1"和"column2"的列,可以使用以下代码: ...