本篇内容主要讲解“python基础pandas的drop()怎么使用”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“python基础pandas的drop()怎么使用”吧!
做数据处理得时候用到了pandas,体验不错,记录如下:
import pandas as pd import numpy as np
直接可以用pandas生成随机数组
df = pd.DataFrame(np.random.randn(5,3),index = list('abcde'),columns = ['one','two','three'])
假设其中存在空数:
df.ix[1,:-1] = np.nan #第二行,排除倒数第一个都是Nan df.ix[1:-1,2] = np.nan #第三列,排除第一个和最后一个都是Nan
把Nan的全部删掉
print('\n',df.dropna())
有选择的删,而不是删Nan
print(df.drop(['one'],axis=1)) print(df.drop(['a','c'],axis = 0))
(1)drop() 删除行和列
drop([ ],axis=0,inplace=True)
drop([]),默认情况下删除某一行;
如果要删除某列,需要axis=1;
参数inplace 默认情况下为False,表示保持原来的数据不变,True 则表示在原来的数据上改变。
import pandas as pd import numpy as np data=pd.DataFrame(np.arange(20).reshape((5,4)),columns=list('ABCD'),index=['a','b','c','d','e']) print(data) print('*'*40) print(data.drop(['a'])) #删除a 行,默认inplace=False, print('*'*40) print(data)# data 没有变化 print('*'*40) print(data.drop(['A'],axis=1))#删除列 print('*'*40) print(data.drop(['A'],axis=1,inplace=True)) #在本来的data 上删除 print('*'*40) print(data)data 发生变化
A B C D a 0 1 2 3 b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 e 16 17 18 19 **************************************** A B C D b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 e 16 17 18 19 **************************************** A B C D a 0 1 2 3 b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 e 16 17 18 19 **************************************** B C D a 1 2 3 b 5 6 7 c 9 10 11 d 13 14 15 e 17 18 19 **************************************** None **************************************** B C D a 1 2 3 b 5 6 7 c 9 10 11 d 13 14 15 e 17 18 19
到此,相信大家对“python基础pandas的drop()怎么使用”有了更深的了解,不妨来实际操作一番吧!这里是亿速云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
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。