Python数据分析笔记#6.2.2 Pandas-drop丢弃项

「目录」

• 6.1 => Pandas的数据结构

• 6.2 => Pandas的基本功能

  --------> reindex重新索引

  --------> drop丢弃数据

......

• 6.3 => 数学和统计方法

drop丢弃数据

在整理数据的时候可能需要删除一个或多个项（也许是不需要，也许是没用，或者数据不对），drop方法可以返回一个在指定轴删除了项的对象。

下面我们来看看对于Series和DataFrame怎么丢弃数据吧。

Series

我们先创建一个Series，值为0-5，索引是a-e：

In [7]: obj = pd.Series(np.arange(5.), index=['a', 'b', 'c', 'd', 'e'])

In [8]: obj
Out[8]:
a    0.0
b    1.0
c    2.0
d    3.0
e    4.0
dtype: float64

复制

比如我们删除行索引为'c'的项：

In [9]: new_obj = obj.drop('c')

In [10]: new_obj
Out[10]:
a    0.0
b    1.0
d    3.0
e    4.0
dtype: float64

复制

如果要删除多个行，可以将索引放入列表中，比如行'd'和'c'：

In [11]: obj.drop(['d', 'c'])
Out[11]:
a    0.0
b    1.0
e    4.0
dtype: float64

复制

DataFrame

若是DataFrame，可以删除任意轴上的索引值。

In [12]: data = pd.DataFrame(np.arange(16).reshape((4,4)), index=['New York', 'Shanghai', 'Beijing', 'Tokyo'], columns=['one', 'two', 'three', 'four'])

In [13]: data
Out[13]:
          one  two  three  four
New York    0    1      2     3
Shanghai    4    5      6     7
Beijing     8    9     10    11
Tokyo      12   13     14    15

复制

对这个DataFrame调用drop方法会从行标签（axis 0）删除值：

In [14]: data.drop(['New York', 'Tokyo'])
Out[14]:
          one  two  three  four
Shanghai    4    5      6     7
Beijing     8    9     10    11

复制

传递参数axis=1或axis='columns'可以删除列的值:

In [15]: data.drop('two', axis=1)
Out[15]:
          one  three  four
New York    0      2     3
Shanghai    4      6     7
Beijing     8     10    11
Tokyo      12     14    15

复制

同样，将列标签放入列表可以删除多个列：

In [16]: data.drop(['two', 'four'], axis=1)
Out[16]:
          one  three
New York    0      2
Shanghai    4      6
Beijing     8     10
Tokyo      12     14

复制

上面使用drop方法不会改变原来的DataFrame，传入inplace=True参数可以就地改变DataFrame:

In [17]: data
Out[17]:
          one  two  three  four
New York    0    1      2     3
Shanghai    4    5      6     7
Beijing     8    9     10    11
Tokyo      12   13     14    15

In [18]: data.drop(['two', 'four'], axis=1, inplace=True)

In [19]: data
Out[19]:
          one  three
New York    0      2
Shanghai    4      6
Beijing     8     10
Tokyo      12     14

复制

❝

Note:需要注意的是，使用inplace会销毁所有被删除的数据

❞