巧用DataFrame布尔索引的方法删除特定行或列

对于pandas DataFrame对象通常用“df.drop()”方法或关键字del删去行或列，但drop和del操作都必须先要知道想删除的确切列名或索引。如果只知道想要删去符合某个条件的行或列，必须先把这些行列的索引号找出来放到一个列表里，再代入到drop或del代码语句里执行删除操作，比较麻烦。其实有个简单好用的技巧，就是利用布尔索引来提取想要保留的内容，赋值给自己，自然就删去了想要删的内容，像过滤一样。删除操作的基本格式是：

df=df[逻辑表达式取反]

以下面的表格为例，定义其为DataFrame对象df：

index	A	B	C	D	E
0	2	6	9	2	3
1	3	NaN	3	0	1
2	5	6	6	NaN	9
3	9	0	6	0	7
4	9	NaN	8	5	3
5	7	9	4	3	2
6	6	1	7	1	NaN

（1）删去满足条件的行
删去B列大于7或D列为0的行，也就是要保留B列小于等于7且D列不为0的行

df=df[~((df['B']>7)|(df['D']==0))]
print(df)

以上代码跟下面的代码效果一样，上面逻辑表达式取了反，下面没取反

df=df[(df['B']<=7)&(df['D']!=0)]
print(df)

结果是：

index	A	B	C	D	E
0	2	6	9	2	3
2	5	6	6	NaN	9
6	6	1	7	1	NaN
又如，删去E列取值为2或7的行

df=df[~df['E'].isin([2,7])]
print(df)

结果为：

index	A	B	C	D	E
0	2	6	9	2	3
1	3	NaN	3	0	1
2	5	6	6	NaN	9
4	9	NaN	8	5	3
6	6	1	7	1	NaN
（2）删去满足条件的列
删去第3行取值是偶数的列

df=df.loc[:,~(df.iloc[3,:]%2==0)]
print(df)

结果是：

index	A	E
0	2	3
1	3	1
2	5	9
3	9	7
4	9	3
5	7	2
6	6	NaN

（3）删去含有缺失值的行
相当于dropna()

df=df[~df.isnull().any(axis=1)]
print(df)

结果是：

index	A	B	C	D	E
0	2	6	9	2	3
3	9	0	6	0	7
5	7	9	4	3	2
（4）删去含有缺失值的列

df=df.loc[:,~df.isnull().any()]
print(df)

结果是：
index | A | C
-----😐:—😐
0 | 2 | 9 |
1 | 3 | 3 |
2|5|6|
3|9|6|
4|9|8|
5|7|4|
6|6|7|
（5）删去整个表格中满足条件的行
删去整个表格中所有数值“6”所在的行

df=df.loc[~df.where(df==6).any(axis=1)]
print(df)

结果是：

index	A	B	C	D	E
1	3	NaN	3	0	1
4	9	NaN	8	5	3
5	7	9	4	3	2
上面的操作如果改为对列删除，则代码改为：

df=df.loc[:,~df.where(df==6).any()]

(6)删去含有确实值的行
删去任何列含有缺失值的行
df=df[~df.isnull().any(axis=1)]
删去某些特定列含有缺失值的行
df=df[~df.loc[:, [‘A’,‘C’]].isnull().any(axis=1)]