pandas的drop删除函数

最新推荐文章于 2024-07-18 23:06:58 发布

原创最新推荐文章于 2024-07-18 23:06:58 发布 · 1k 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍了pandas的drop函数，用于删除数据框中的行或列，不改变原有数据。讨论了如何清理无效数据，以及drop函数的inplace参数用于选择是否直接修改原数据框。同时提到了astype()方法用于数据类型的转换。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一，删除表中的某一行或者某一列更明智的方法是使用drop，它不改变原有的df中的数据，而是返回另一个dataframe来存放删除后的数据。

二，清理无效数据。

    df[df.isnull()]  #返回的是个true或false的Series对象（掩码对象），进而筛选出我们需要的特定数据。
    df[df.notnull()]

    df.dropna()     #将所有含有nan项的row删除
    df.dropna(axis=1,thresh=3)  #将在列的方向上三个为NaN的项删除
    df.dropna(how='ALL')        #将全部项都是nan的row删除

此处：print data.dropna() 和 print data[data.notnull()] 结果一样

三，填充无效值

    df.fillna(0)
    df.fillna({1:0, 2:0.5})         #对第一列nan值赋0，第二列赋值0.5
    df.fillna(method='ffill')   #在列方向上以前一个值作为值赋给NaN

四，drop函数的使用
（1）drop函数的使用：删除行、删除列

    print frame.drop(['a'])
    print frame.drop(['Ohio'], axis = 1)

drop函数默认删除行，列需要加axis = 1

（2）drop函数的使用：inplace参数

 采用drop方法，有下面三种等价的表达式：

1. DF= DF.drop('column_name', axis=1)；
2. DF.drop('column_name',axis=1, inplace=True)
3. DF.drop([DF.columns[[0,1, 3]]], axis=1, inplace=True)   # Note: zero indexed

注意：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）。

（3）drop函数的使用：数据类型转换

  df['Name'] = df['Name'].astype(np.datetime64)

DataFrame.astype() 方法可对整个DataFrame或某一列进行数据格式转换，支持Python和NumPy的数据类

原文链接：https://blog.youkuaiyun.com/nuaadot/article/details/78304642