这篇文章主要介绍了Python drop方法删除列之inplace参数实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧 |
drop方法有一个可选参数inplace,表明可对原数组作出修改并返回一个新数组。不管参数默认为False还是设置为True,原数组的内存值是不会改变的,区别在于原数组的内容是否直接被修改。默认为False,表明原数组内容并不改变,如果我们需要得到改变后的内容,需要将新结果赋给一个新的数组,即data = data.drop(['test','test2'],1)。
如果将inplace值设定为True,则原数组内容直接被改变。
测试程序如下
#增加两列空值
import numpy as np
data["test"] = np.nan
data["test2"] = np.nan
name gender age test2 test
0 jerry M 36 NaN NaN
1 emma F 23 NaN NaN
2 tony M 34 NaN NaN
4 bob M 20 NaN NaN
#查看此时data的内存地址
id(data)
128971088
#删除这两列,inplace默认为False
id(data.drop(['test','test2'],1))
128971888
#查看data,发现数据并未改变
data
name gender age test test2
0 jerry M 36 NaN NaN
1 emma F 23 NaN NaN
2 tony M 34 NaN NaN
4 bob M 20 NaN NaN
#查看data的ID
id(data)
128971088
#删除这两列,inplace设置为False
id(data.drop(['test','test2'],1,inplace = True))
1545984728
#查看data,数据已经改变
data
name gender age test test2
0 jerry M 36 NaN NaN
1 emma F 23 NaN NaN
2 tony M 34 NaN NaN
4 bob M 20 NaN NaN
#查看data的ID
id(data)
128971088
使用del和drop方法删除DataFrame中的列,使用drop方法一次删除多列
# 使用del, 一次只能删除一列,不能一次删除多列
# 只能使用 del df['密度'], 不能使用 del df[['密度', '含糖率']]
del df['密度']
# del 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
dt.drop(dt.columns[[0, 4, 8]], axis=1, inplace=True) # dt.columns[[0, 4, 8]] 直接使用索引查找列
以上这篇Python drop方法删除列之inplace参数实例就是小编分享给大家的全部内容了,希望能给大家一个参考
原文地址: https://www.linuxprobe.com/python-linux-inplace.html
亿速云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。
原文链接:http://blog.itpub.net/69955379/viewspace-2703328/