1. Pandas drop()函数语法

Pandas DataFrame drop()函数允许我们删除列和行。
drop()函数的语法为：

drop(
  self,
  labels=None,
  axis=0,
  index=None,
  columns=None,
  level=None,
  inplace=False,
  errors="raise"
)

• 标签：要从DataFrame中删除的标签。
  它与"轴"一起使用以标识行或者列的名称。

• 轴：可能的值为{0或者"索引"，1或者"列"}，默认为0。
  它与"标签"一起使用以指定行或者列。

• index：要从DataFrame中删除的索引。

• 列：要从DataFrame中删除的列。

• level：用于指定MultiIndex DataFrame的级别。

• inplace：如果为True，则更改源DataFrame并返回None。
  默认值为False，源DataFrame保持不变，并返回一个新的DataFrame对象。

• 错误：可能的值为{'ignore'，'raise'}，默认为'raise'。
  如果DataFrame没有指定标签，则会引发KeyError。
  如果我们将错误指定为"忽略"，则错误将被消除，并且仅删除现有标签。

我们来看一些使用Pandas DataFrame drop()函数的示例。

2.Pandas 掉落柱

我们可以从DataFrame中删除单个列以及多个列。

2.1)删除单列

import pandas as pd

d1 = {'Name': ['hyman', 'Meghna', 'David'], 'ID': [1, 2, 3], 'Role': ['CEO', 'CTO', 'Editor']}

source_df = pd.DataFrame(d1)

print(source_df)

# drop single column
result_df = source_df.drop(columns='ID')
print(result_df)

输出：

Name  ID    Role
0  hyman   1     CEO
1  Meghna   2     CTO
2   David   3  Editor

   Name    Role
0  hyman     CEO
1  Meghna     CTO
2   David  Editor

2.2)删除多列

result_df = source_df.drop(columns=['ID', 'Role'])
print(result_df)

输出：

Name
0  hyman
1  Meghna
2   David

3.Pandas 排行

让我们看一些示例，从DataFrame对象中删除单行和多行。

3.1)删除单行

import pandas as pd

d1 = {'Name': ['hyman', 'Meghna', 'David'], 'ID': [1, 2, 3], 'Role': ['CEO', 'CTO', 'Editor']}

source_df = pd.DataFrame(d1)

result_df = source_df.drop(index=0)
print(result_df)

输出：

Name  ID    Role
1  Meghna   2     CTO
2   David   3  Editor

3.2)删除多行

result_df = source_df.drop(index=[1, 2])
print(result_df)

输出：

Name  ID Role
0  hyman   1  CEO

4.将DataFrame的列和行放到适当的位置

我们可以指定inplace = True来从源DataFrame本身中删除列和行。
在这种情况下，drop()函数调用将返回None。

import pandas as pd

d1 = {'Name': ['hyman', 'Meghna', 'David'], 'ID': [1, 2, 3], 'Role': ['CEO', 'CTO', 'Editor']}

source_df = pd.DataFrame(d1)

source_df.drop(columns=['ID'], index=[0], inplace=True)
print(source_df)

输出：

Name    Role
1  Meghna     CTO
2   David  Editor

5.使用标签和轴放置列和行

不建议删除行和列。
但是，很高兴知道这一点，因为在Pandas 版本0.21.0中，drop()函数引入了" index"和" columns"参数。
因此，对于较旧的代码，您可能会遇到它。

import pandas as pd

d1 = {'Name': ['hyman', 'Meghna', 'David'], 'ID': [1, 2, 3], 'Role': ['CEO', 'CTO', 'Editor']}

source_df = pd.DataFrame(d1)

# drop rows
result_df = source_df.drop(labels=[0, 1], axis=0)
print(result_df)

# drop columns
result_df = source_df.drop(labels=['ID', 'Role'], axis=1)
print(result_df)

输出：

Name  ID    Role
2  David   3  Editor

   Name
0  hyman
1  Meghna
2   David

6.抑制删除列和行中的错误

如果DataFrame不包含给定的标签，则会引发KeyError。

result_df = source_df.drop(columns=['XYZ'])

输出：

KeyError: "['XYZ'] not found in axis"

我们可以通过在drop()函数调用中指定errors ='ignore'来抑制此错误。

result_df = source_df.drop(columns=['XYZ'], errors='ignore')
print(result_df)

输出：

Name  ID    Role
0  hyman   1     CEO
1  Meghna   2     CTO
2   David   3  Editor