【20211029】【Python】删除 DataFrame 中的某行、某列

一时失言乱红尘 2022-08-28 00:39 212阅读 0赞

**pandas 中的 drop 方法是很明智的数据清理的方法，它的好处在于：它不改变原有的 df 中的数据，而是返回另一个新的 DataFrame 来存放删除后的数据。**

--------------------

# 一、drop 的用法 #

import pandas as pd
    import numpy as np
    
    a = list(range(1, 11))
    a_reshape = np.array(a).reshape(2, 5).T
    b = pd.DataFrame(a_reshape)
    print(b)

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAU2F0aXNmeWluZw_size_12_color_FFFFFF_t_70_g_se_x_16][]

## 1. df.drop(\[row\_num\], axis=0)：删除 DataFrame 某一行（如果不指定axis，那么默认axis=0） ##

c = b.drop(0, axis=0)
    print(c)

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAU2F0aXNmeWluZw_size_12_color_FFFFFF_t_70_g_se_x_16 1][]

## 2. df.drop(\[row\_num\], axis=1)：删除 DataFrame 某一列 ##

d = b.drop(0, axis=1)
    print(d)

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAU2F0aXNmeWluZw_size_12_color_FFFFFF_t_70_g_se_x_16 2][]

（参考：[pandas DataFrame行或列的删除方法的实现示例][pandas DataFrame]）

--------------------

# 二、python 中数据清理的常见方法 #

## 1. 删除无效项 ##

**（1）df\[df.isnull()\] 和 df\[df.notnull()\]：**df.isnull() 和 df.notnull() 返回的是一个 true 或 false 的 Series对象，所以这种方式可以筛选出我们需要的特定数据。

**（2）df.dropna()：**将所有含有 nan 项的 row 删除（默认：axis=0） 。

**（3）df.dropna(axis=1, thresh=3)：将在列方向上有三个为 nan 的列删除。**

**（4）df.dropna(how='ALL')：**将全部项都是 nan 的 row 删除。

## 2. 填充空缺项 ##

**（1）df.fillna(0)**

**（2）df.fillna(\{1:0, 2:0.5\})：**对第一列 nan 值赋0，第二列赋值 0.5；

**（3）df.fillna(method='ffill')：**在列方向上用前一个值赋值给 nan。

（参考：[python进行数据清理之pandas中的drop用法][python_pandas_drop]）

--------------------

# Tips： #

### 1. 注意：drop() 方法不改变原有的 df 数据！ ###

b.drop(0, axis=1)
    print(b)

![watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAU2F0aXNmeWluZw_size_12_color_FFFFFF_t_70_g_se_x_16 3][]

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAU2F0aXNmeWluZw_size_12_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/5572a4daf0fd4e7aac006a00d42a6a6a.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAU2F0aXNmeWluZw_size_12_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/b5058a8855964e3486dc7e7c992e1908.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAU2F0aXNmeWluZw_size_12_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/c2393d80727e418eb5f45556d3eb704c.png
[pandas DataFrame]: https://www.jb51.net/article/166822.htm
[python_pandas_drop]: https://www.cnblogs.com/freeman818/p/10494314.html
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBAU2F0aXNmeWluZw_size_12_color_FFFFFF_t_70_g_se_x_16 3]: /images/20220828/842f453d75e947e4aa65c043571dd4e2.png