pandas中怎么把第一列删掉_pandas小结（四）删除列的方法

pandas删除列有如下三种操作方式：

1.del df['columns'] #改变原始数据

2.df.drop('columns',axis=1)#删除不改表原始数据，可以通过重新赋值的方式赋值该数据

3.df.drop('columns',axis=1,inplace='True') #改变原始数据

具体总结为：凡是会对原数组作出修改并返回一个新数组的，往往都有一个 inplace可选参数。如果手动设定为True(默认为False)，那么原数组直接就被替换。也就是说，采用inplace=True之后，原数组名(如2和3情况所示)对应的内存值直接改变；而采用inplace=False之后，原数组名对应的内存值并不改变，需要将新的结果赋给一个新的数组或者覆盖原数组的内存位置(如1情况所示)。

一、del df操作

引入pandas和numpy模块，生成测试数据如下：

使用del 删除的时候，只需要在pandas数据里指定要删除数据的列名称即可。

>>> del df['E']

>>> df

A B C D

2019-07-11 0 1 2 3

2019-07-12 5 6 7 8

2019-07-13 10 11 12 13

2019-07-14 15 16 17 18

2019-07-15 20 21 22 23

2019-07-16 25 26 27 28

二、使用drop

1. df= df.drop('column_name', 1)

输入:df.drop('D',axis=1),不改变内存，及输入df的时候，它还是显示原数据:

>>> df.drop('D',axis=1)

A B C

2019-07-11 0 1 2

2019-07-12 5 6 7

2019-07-13 10 11 12

2019-07-14 15 16 17

2019-07-15 20 21 22

2019-07-16 25 26 27

>>> df

A B C D

2019-07-11 0 1 2 3

2019-07-12 5 6 7 8

2019-07-13 10 11 12 13

2019-07-14 15 16 17 18

2019-07-15 20 21 22 23

2019-07-16 25 26 27 28

axis取值有0和1，0代表删除行，1代表删除列。删除多列用法如下：

>>> df.drop(['B', 'C'], axis=1) 或

>>> df.drop(columns=['B', 'C'])

2. df.drop('column_name',axis=1, inplace=True)

输入:df.drop('num',axis=1，inplace=True),改变内存，及输入df的时候，它显示改变后的数据:

>>> df.drop('B',axis=1,inplace=True)

>>> df

A C D

2019-07-11 0 2 3

2019-07-12 5 7 8

2019-07-13 10 12 13

2019-07-14 15 17 18

2019-07-15 20 22 23

2019-07-16 25 27 28

3. df.drop(df.columns[[0,1, 3]], axis=1,inplace=True)

使用列索引信息删除，示例如下：

>>> df

A C D

2019-07-11 0 2 3

2019-07-12 5 7 8

2019-07-13 10 12 13

2019-07-14 15 17 18

2019-07-15 20 22 23

2019-07-16 25 27 28

>>> df.drop(df.columns[0], axis=1,inplace=True)

>>> df

C D

2019-07-11 2 3

2019-07-12 7 8

2019-07-13 12 13

2019-07-14 17 18

2019-07-15 22 23

2019-07-16 27 28

>>> df.drop(df.columns[[0,1]], axis=1,inplace=True)

>>> df

Empty DataFrame

Columns: []

Index: [2019-07-11 00:00:00, 2019-07-12 00:00:00, 2019-07-13 00:00:00, 2019-07-14 00:00:00, 2019-07-15 00:00:00, 2019-07-16 00:00:00]

>>>

最后给下行删除的方法，也是类似的，如下：

>>> df

A B C D

0 0 1 2 3

1 4 5 6 7

2 8 9 10 11

>>> df.drop([0, 1])

A B C D

2 8 9 10 11

PS: 2019-07-22 后记，为便于将pandas进行系列整理，方便查询，特将此篇时间与2017年写的一些东西进行了标题和时间合并，做成系列文章。