这篇文章将为大家详细讲解有关python如何删除指定列或多列单个或多个内容，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
在python中进行数据处理，经常会遇到有些元素内容是不需要的。需要进行删除或者替换。本篇就详细探讨一下各种数据类型(series,dataframe)下的删除方法
随机创建一个DataFrame数据
import pandas as pd import numpy as np data=pd.DataFrame(np.random.randint(10,size=(5,3)),columns=['a','b','c']) >>> a b c 0 3 8 2 1 9 9 5 2 4 5 1 3 2 7 5 4 1 2 8
Series：
isin反函数删除不需要的列部分元素，适合大批量：
S数据类型直接使用isin会选出该列包含的指定内容，我们的需求是删除指定内容就需要用到isin的反函数。但是python目前没有类似isnotin这种函数，所以我们需要使用-号来实现isnotin的方法
!=比较运算符方式，适合少量或者用作与同时满足a条件与b条件的情况
isin:
Series的场景
print(data['c'][data['c'].isin([1])]) >>> 2 1 Name: c, dtype: int64 print(data['c'][-data['c'].isin([1])]) >>> 0 2 1 5 3 5 4 8 Name: c, dtype: int64 print(data['c'][-data['c'].isin([1,2])]) >>> 1 5 3 5 4 8 Name: c, dtype: int64
DataFrame场景：
print(data[-data.isin([1,2])])#按Series逻辑操作df发现会出现NAN并没有删除掉 >>> a b c 0 3.0 8.0 NaN 1 9.0 9.0 5.0 2 4.0 5.0 NaN 3 NaN 7.0 5.0 4 NaN NaN 8.0 print(data[-data.isin([1,2])].dropna())#我们只需要再加一个dropna删除空值就好了 >>> a b c 1 9.0 9.0 5.0
！=比较运算符：
Series的场景:
print(data['c'][data['c']!=1]) >>> 0 2 1 5 3 5 4 8 Name: c, dtype: int64 print(data['c'][(data['c']!=1)&((data['c']!=2))]) >>> 1 5 3 5 4 8 Name: c, dtype: int64
DataFrame场景：
分别删除a与b不同条件的数据
print(data[(data['a']!=1)&(data['c']!=2)] >>> a b c 1 9 9 5 2 4 5 1 3 2 7 5 print(data[(data!=1)&(data!=2)].dropna()) #与isin原理相同 a b c 1 9.0 9.0 5.0
关于python如何删除指定列或多列单个或多个内容就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
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。
