pandas常用函数详解——drop()函数

drop函数基本介绍：

功能：删除数据集中多余的数据

 

DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

 

 

常用参数详解：

labels:待删除的行名or列名； 
axis:删除时所参考的轴，0为行，1为列； 
index:待删除的行名 
columns:待删除的列名 
level:多级列表时使用，暂时不作说明 
inplace:布尔值，默认为False,这是返回的是一个copy;若为True,返回的是删除相应数据后的版本 
errors一般用不到，这里不作解释

 

举例说明：

 

#构件一个数据集
df1=pd.DataFrame(np.arange(36).reshape(6,6),columns=list('ABCDEF'))

 

 

 

'1.删除行数据'
#下面两种删除方式是等价的，传入labels和axis 与只传入一个index 作用相同
df2=df1.drop(labels=0,axis=0)
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'],axis=1,inplace=True)

 

'4.drop函数在多级列表中的应用（实例copy自pandas官方帮助文档）‘
#构建多级索引
midx = pd.MultiIndex(levels=[['lama', 'cow', 'falcon'],
                             ['speed', 'weight', 'length']],
                     codes=[[0, 0, 0, 1, 1, 1, 2, 2, 2],
                            [0, 1, 2, 0, 1, 2, 0, 1, 2]])
#构造数据集
df = pd.DataFrame(index=midx, columns=['big', 'small'],
                  data=[[45, 30], [200, 100], [1.5, 1], [30, 20],
                        [250, 150], [1.5, 0.8], [320, 250],
                        [1, 0.8], [0.3, 0.2]])

 

#同时删除行数据和列数据
df.drop(index='cow', columns='small')

 

 

#删除某级index的对应行
df.drop(index='length',level=1)