松思園 ·Pandas 刪除數(shù)據(jù)
1. 前言
上一小節(jié)我們講述了如何新增數(shù)據(jù)的方法，主要包括新增行和列的具體操作，新增操作是為了我們對數(shù)據(jù)進行擴充，滿足我們對數(shù)據(jù)量大和內(nèi)容豐富的追求，而有時候恰恰相反，數(shù)據(jù)里面存在大量的臟數(shù)據(jù)和無效數(shù)據(jù)，我們需要對這部分數(shù)據(jù)進行刪除，避免這些數(shù)據(jù)在分析結(jié)果中帶來的誤差或精度不夠的影響，那在 Pandas 中該如何根據(jù)需要去刪除指定的數(shù)據(jù)集呢？
Pandas 刪除數(shù)據(jù)可以分為兩種操作，一是刪除指定的行或列，二是根據(jù)條件刪除某些特定數(shù)據(jù)的行或列。這兩者雖然在效果上都能有效的刪除我們不需要的數(shù)據(jù)，但其操作的本質(zhì)是不一樣的，那我們接下來就具體看一下這兩種操作的細節(jié)內(nèi)容吧。
2. 刪除指定行或列
這里刪除指定的行或列，我們主要用到了 Pandas 提供的一個函數(shù) drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors=‘raise’) ，該函數(shù)提供了七個參數(shù)，為我們刪除指定的行或者列提供了便捷的操作，下面我們列舉了該函數(shù)常用參數(shù)的說明：
| 參數(shù)名 | 說明 |
|---|---|
| labels | 標簽（行標簽或者列標簽） |
| axis | 表示刪除行（axis=0 默認）或者刪除列（axis=1） |
| index | 刪除的行索引名 |
| columns | 刪除的列索引名 |
| inplace | 指定刪除是否要在原數(shù)據(jù)上進行操作，默認是 False |
2.1 刪除指定的行
# 導入pandas包
import pandas as pd
# 指定導入的文件地址
data_path="C:/Users/13965/Documents/myFuture/IMOOC/pandasCourse-progress/data_source/第7,8,9,10小節(jié)/execl數(shù)據(jù)demo.xlsx"
# 解析數(shù)據(jù)
data = pd.read_excel(data_path)
print(data)
# --- 輸出結(jié)果 ---
編程語言 推出時間 價格 主要創(chuàng)始人
0 java 1995年 45.6 James Gosling
1 python 1991年 67.0 Guido van Rossum
2 C 1972年 33.9 Dennis MacAlistair Ritchie
3 js 1995年 59.5 Brendan Eich
4 php 2012年 69.9 Rasmus Lerdorf
5 C++ 1983年 75.0 Bjarne Stroustrup
# 刪除指定行 等價于drop(labels=[0,1],axis=0)
data_res=data.drop(labels=[1,3])
print(data_res)
print(data)
# --- 輸出結(jié)果 ---
# --- data_res的數(shù)據(jù)集 ---
編程語言 推出時間 價格 主要創(chuàng)始人
0 java 1995年 45.6 James Gosling
2 C 1972年 33.9 Dennis MacAlistair Ritchie
4 php 2012年 69.9 Rasmus Lerdorf
5 C++ 1983年 75.0 Bjarne Stroustrup
# --- data的數(shù)據(jù)集 ----
編程語言 推出時間 價格 主要創(chuàng)始人
0 java 1995年 45.6 James Gosling
1 python 1991年 67.0 Guido van Rossum
2 C 1972年 33.9 Dennis MacAlistair Ritchie
3 js 1995年 59.5 Brendan Eich
4 php 2012年 69.9 Rasmus Lerdorf
5 C++ 1983年 75.0 Bjarne Stroustrup
輸出解析：我們通過 drop() 方法的 labels 設(shè)置了標簽為 1 和 3，默認是 axis=0 則對應(yīng)的是刪除行索引為 1 和 3 的行數(shù)據(jù)，如果 axis=0 是刪除行數(shù)據(jù)而設(shè)置的 labels 對應(yīng)的不是行索引標簽，則刪除時會報錯，這里可以看到輸出結(jié)果正是刪除了行索引為1和3的兩行數(shù)據(jù)。
這里值得注意的是：在執(zhí)行刪除操作后我們再次打印了原 data 數(shù)據(jù)集，通過輸出可以看到，data 的數(shù)據(jù)并沒有被影響到，還是完整的數(shù)據(jù)集。這里如果我們的 inplace 參數(shù)設(shè)置了 True，則對應(yīng)的刪除操作后，原數(shù)據(jù)就會被修改，通過下面的代碼可以看到操作效果：
# 刪除指定行 等價于drop(labels=[0,1],axis=0)
data_res=data.drop(labels=[1,3],axis=0,inplace=True )
print(data_res)
print(data)
# --- 輸出結(jié)果 ---
None
編程語言 推出時間 價格 主要創(chuàng)始人
0 java 1995年 45.6 James Gosling
2 C 1972年 33.9 Dennis MacAlistair Ritchie
4 php 2012年 69.9 Rasmus Lerdorf
5 C++ 1983年 75.0 Bjarne Stroustrup
輸出解析：這里可以看到 data_res 的輸出結(jié)果為 None ，而 data 原數(shù)據(jù)集則被刪除了1和3的索引行。這是因為當我們設(shè)置了 inplace=True 時，drop() 操作后就不會返回一個新的數(shù)據(jù)集，而是在原數(shù)據(jù)集的基礎(chǔ)上進行了操作，在實際應(yīng)用中，如果不是特別的需要，建議不要指定該參數(shù)為 True，不然會改變原有數(shù)據(jù)對其他的分析產(chǎn)生一定的影響。
2.2 刪除指定的列
# 導入pandas包
import pandas as pd
# 指定導入的文件地址
data_path="C:/Users/13965/Documents/myFuture/IMOOC/pandasCourse-progress/data_source/第7,8,9,10小節(jié)/execl數(shù)據(jù)demo.xlsx"
# 解析數(shù)據(jù)
data = pd.read_excel(data_path)
print(data)
# --- 輸出結(jié)果 ---
編程語言 推出時間 價格 主要創(chuàng)始人
0 java 1995年 45.6 James Gosling
1 python 1991年 67.0 Guido van Rossum
2 C 1972年 33.9 Dennis MacAlistair Ritchie
3 js 1995年 59.5 Brendan Eich
4 php 2012年 69.9 Rasmus Lerdorf
5 C++ 1983年 75.0 Bjarne Stroustrup
# 刪除指定列
data_res=data.drop(labels=["推出時間","主要創(chuàng)始人"],axis=1)
print(data_res)
# --- 輸出結(jié)果 ---
編程語言 價格
0 java 45.6
1 python 67.0
2 C 33.9
3 js 59.5
4 php 69.9
5 C++ 75.0
輸出解析：通過 labels 設(shè)置刪除指定的列，列索引名要真實存在，不然會報錯，同時 axis=1 是指定刪除列操作，不能省略。通過輸出結(jié)果可以看到刪除了推出時間和主要創(chuàng)始人這兩列的數(shù)據(jù)。
2.3 刪除指定的行和列
有時候我們需要將某行和某列同時刪除，這時候我們可以同時傳入 index 和 columns 的參數(shù)值即可，如果只傳一個，則是只刪除對應(yīng)的行或者列：
# 導入pandas包
import pandas as pd
# 指定導入的文件地址
data_path="C:/Users/13965/Documents/myFuture/IMOOC/pandasCourse-progress/data_source/第7,8,9,10小節(jié)/execl數(shù)據(jù)demo.xlsx"
# 解析數(shù)據(jù)
data = pd.read_excel(data_path)
print(data)
# --- 輸出結(jié)果 ---
編程語言 推出時間 價格 主要創(chuàng)始人
0 java 1995年 45.6 James Gosling
1 python 1991年 67.0 Guido van Rossum
2 C 1972年 33.9 Dennis MacAlistair Ritchie
3 js 1995年 59.5 Brendan Eich
4 php 2012年 69.9 Rasmus Lerdorf
5 C++ 1983年 75.0 Bjarne Stroustrup
# 同時刪除指定行和列
data_res=data.drop(index=4, columns="主要創(chuàng)始人")
print(data_res)
# --- 輸出結(jié)果 ---
編程語言 推出時間 價格
0 java 1995年 45.6
1 python 1991年 67.0
2 C 1972年 33.9
3 js 1995年 59.5
5 C++ 1983年 75.0
輸出解析：這里我們同時指定了行索引和列索引的值，通過輸出結(jié)果可以看出，這里刪除了行索引為4的數(shù)據(jù)并且刪除了主要創(chuàng)始人這一列的數(shù)據(jù)。
3. 刪除特定數(shù)據(jù)的行
這里我們講的刪除特定數(shù)據(jù)的行或列，其實并不是真正意義上的刪除內(nèi)容，而是通過數(shù)據(jù)條件的篩選過濾，得到一個新的數(shù)據(jù)集，從效果上看，也是去除了部分數(shù)據(jù)內(nèi)容，達到了我們刪除數(shù)據(jù)的實際需要。
# 導入pandas包
import pandas as pd
# 指定導入的文件地址
data_path="C:/Users/13965/Documents/myFuture/IMOOC/pandasCourse-progress/data_source/第7,8,9,10小節(jié)/execl數(shù)據(jù)demo.xlsx"
# 解析數(shù)據(jù)
data = pd.read_excel(data_path)
print(data)
# --- 輸出結(jié)果 ---
編程語言 推出時間 價格 主要創(chuàng)始人
0 java 1995年 45.6 James Gosling
1 python 1991年 67.0 Guido van Rossum
2 C 1972年 33.9 Dennis MacAlistair Ritchie
3 js 1995年 59.5 Brendan Eich
4 php 2012年 69.9 Rasmus Lerdorf
5 C++ 1983年 75.0 Bjarne Stroustrup
# 我們對價格列小于50的數(shù)據(jù)進行篩選
data_res=data[data["價格"]<50]
print(data_res)
# --- 輸出結(jié)果 ---
編程語言 推出時間 價格 主要創(chuàng)始人
0 java 1995年 45.6 James Gosling
2 C 1972年 33.9 Dennis MacAlistair Ritchie
輸出解析：這里我們通過對價格列費用小于50的數(shù)據(jù)進行篩選，進而刪除掉了價格大于等于50的數(shù)據(jù)行，返回給了新的數(shù)據(jù)集 data_res ，在效果上達到了刪除數(shù)據(jù)行的作用。
3.小結(jié)
本節(jié)課我們主要學習了刪除數(shù)據(jù)行或者列的操作方法，一種是通過 drop() 方法刪除指定的行或列，二是通過數(shù)據(jù)的篩選過濾進而達到刪除數(shù)據(jù)行的效果，兩種刪除方法要根據(jù)具體的業(yè)務(wù)需要進行選用。本節(jié)課程的重點如下：
- drop() 操作刪除數(shù)據(jù)行和列的操作方法；
- drop() 操作中幾個重要參數(shù)的使用；
- 根據(jù)特定條件刪除數(shù)據(jù)行的操作。
Tips：想要學習更多Pandas相關(guān)知識，可以點擊
Pandas 新增數(shù)據(jù)
Pandas 修改數(shù)據(jù)
Pandas 查詢數(shù)據(jù)
2025 imooc.com All Rights Reserved |