Python pandas删除指定行/列数据的方法实例
这篇文章主要给大家介绍了关于Python pandas删除指定行/列数据的相关资料,文中通过实例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
目录
1.滤除缺失数据dropna()
1)滤除含有NaN值的所有行
2)滤除含有NaN值的所有列
3)滤除元素都是NaN值的行
4)滤除元素都是NaN值的列
5)滤除指定列中含有缺失的行
2.删除重复值 drop_duplicates()
1)keep=“first”
2)keep=“last”
3)keep=False
4)删除指定列中重复项对应的行
3.根据指定条件删除行列drop()
1).删除指定列
2).删除指定行
总结
1.滤除缺失数据dropna()
1 2 3 | import pandas as pdimport numpy as npdf=pd.DataFrame({"record":[np.nan,"亚健康|潘光|45岁","疾病|张思",np.nan],"date":[np.nan,20210102,20210103,20210104]},index=["one","two","three","four"]) |
1)滤除含有NaN值的所有行
1 | df.dropna()#默认axis=0 |
2)滤除含有NaN值的所有列
1 | df.dropna(axis=1) |
3)滤除元素都是NaN值的行
1 | df.dropna(axis=0,how="all") |
4)滤除元素都是NaN值的列
5)滤除指定列中含有缺失的行
1 | df.dropna(subset=["record"],axis=0) |
以上如果需要在原数据上直接做更改，需设置参数inplace=True
2.删除重复值 drop_duplicates()
1 | df=pd.DataFrame({'state':[1,1,2,2,1,2,2],'pop':['a','b','c','d','b','c','d']}) |
语法：drop_duplicates(subset,keep,inplace)，其中参数 keep:{‘first’，‘last’，False}，默认’first’
first：保留第一次出现的重复项，删除第二次及之后出现的重复项。
last：保留最后一次出现的重复项，删除之前出现的重复项。
"false"：删除所有重复项。
1)keep=“first”
1 | df.drop_duplicates(keep="first") |
2)keep=“last”
1 | df.drop_duplicates(keep="last") |
3)keep=False
1 | df.drop_duplicates(keep=False) |
4)删除指定列中重复项对应的行
1 | df.drop_duplicates(subset=["state"],keep="first") |
以上如果需要在原数据上直接做更改，需设置参数inplace=True
3.根据指定条件删除行列drop()
1 | df=pd.DataFrame(np.arange(16).reshape(4,4),columns=["one","two","three","four"]) |
1).删除指定列
1 | df.drop(["one"],axis=1) |
另外，也可通过del df["one"]来实现删除指定列，但该方法不推荐，因为这默认直接在源数据上做更改。
2).删除指定行
1 | df.drop([0],axis=0) |
以上如果需要在原数据上直接做更改，需设置参数inplace=True
总结
到此这篇关于Python pandas删除指定行/列数据的文章就介绍到这了
原文链接：https://blog.csdn.net/p1306252/article/details/114890550