在我們進行數據分析時，某些情況下我們會需要對數據作出一系列的刪減處理。今天就為大家推薦一下在Python中常用于數據刪減的drop方法。

在Pandas 中，以 .drop 開頭的方法都與數據的刪減有關。

下面我們先簡單說一下drop的用法及一些主要參數：

drop函數：drop(labels, axis=0, level=None, inplace=False, errors='raise')

關于參數axis：

axis為0時表示刪除行，axis為1時表示刪除列，還是一樣~

關于參數errors：

errors='raise'會讓程序在labels接收到沒有的行名或者列名時拋出錯誤導致程序停止運行，errors='ignore'會忽略沒有的行名或者列名，只對存在的行名或者列名進行操作，沒有指定的話也是默認‘errors='raise'’。

其他主要參數：

介紹完函數體，下面我們還是一樣從例子出發：

（大家記得每次打代碼之間記得看下有沒有導入庫，我偶爾會忘了粘上庫的代碼）

import pandas as pd import numpy as np cities = pd.DataFrame(np.random.randn(5, 5),index=['a', 'b', 'c', 'd', 'e'],columns=['shenzhen', 'guangzhou', 'beijing', 'nanjing', 'haerbin']) cities

還是之前的那個城市的數據表。

（1）刪除掉第a行：

df1=cities.drop(labels='a') df1

df2=cities.drop(index='a') df2

可以看到，因為這里我們是刪除行，所以我們用labels、index都是可以的。不過還是推薦使用labels。而已還是要注意~drop默認對原表不生效，如果要對原表生效，需要添加參數：inplace=True

（2）刪除非連續的多行：

和上面一樣，我們可以通過labels來控制刪除行或列的個數，如果是刪多行/多列，需寫成labels=[1,3]，不能寫成labels=[1:2]，在這里用“：”號的話會報錯。

舉個例子：

df1=cities.drop(labels=['a','c','e']) df1

這里我們要插播一下比較細節的東西，大家以后可能會遇到的一個問題：

為了方便看，我們這次不設置索引名，下面重新創建一下數據表：

city = pd.DataFrame(np.random.randn(5, 5),columns=['shenzhen', 'guangzhou', 'beijing', 'nanjing', 'haerbin']) city

我們還是刪掉第1行（1實際上是第二行），而已這一次我們加上inplace=True：

city.drop(labels=1,axis=0,inplace=True)

然后我們看一下原來的數據表city:

可以看到，第1行確實被刪掉了，看上去好像沒什么問題。

如果這個時候，我們再輸入一次：

city.drop(labels=1,axis=0,inplace=True)

（報錯了，很應該啊，好像也沒什么，畢竟第1行本來就被我們刪掉了）

但是！！！注意了，我們在這里想說明的是：

如果我們沒標注索引，而已把數據一行一行刪掉的話，該行對應的索引也是被我們刪掉的！

比如說一個數據表里一共有5行，我們把第2、第3行給刪掉了，就會順道對應把索引2、索引3刪掉，這時候數據的索引就會變成[1、4、5]，即使這個時候原來的第4行數據現在變成第2行了，現在也無法用索引第2行的方式來獲取現在的第2行（原來的第4行），因為索引已經亂了。

所以說，大家在用drop的時候還是要注意這一點的。同時，我們該如何解決這個問題呢？

答案是要將索引重置，這樣后面再次使用才不會因為索引不存在而報錯。

重置索引的方法是：reset_index

reset_index，默認(drop = False)，當我們指定(drop = True)時，則不會保留原來的index，會直接使用重置后的索引。

我們來實驗一下:

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

這是原來刪掉第1行后的數據表：

很明顯索引沒重置，所以在我們再次刪除時，出現了下面這種情況：

下面我們使用reset_index進行索引重置：

可以看到，此時數據表增加了一列新的索引，同時原來的索引被被保留了下來。

如果我們想直接使用重置后的索引，不保留原來的index，就可以加上(drop = True)，如下所示：

city.reset_index(drop=True)

也就是說這個時候，原來被我們刪除的那行數據已經沒了，但是索引沒有變亂。

這個時候我們再試試刪除第1行，果然沒有問題了。

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

補充完上面的解釋，我們接下去介紹drop的其他用法。

（3）刪除連續的多行：

當我們想刪除連續多行時，如果還是一個一個標簽輸入的話，顯得不太智能，所以我們可以用更簡便的方法：

再建一個新的數據表:

people= pd.DataFrame(np.random.randn(6, 6),columns=['jack', 'rose', 'mike', 'chenqi', 'amy','tom']) people

當我們想刪去第2-4行時，可以用如下表示：

df2=people.drop(labels=range(2,5),axis=0) df2

注意了，不能用這種方法嘗試刪除列，會報錯。

（4）刪除列：

在最新的表中刪除‘jack’這一列：

df2=people.drop(labels='jack',axis=1) df2

同時刪除‘rose’、‘mike’這兩列：

df2=people.drop(labels=['rose','mike'],axis=1) df2

---

以上便是<如何使用drop方法對數據進行刪減處理>的內容，感謝大家的細心閱讀，同時歡迎感興趣的小伙伴一起討論、學習，想要了解更多內容的可以看我的其他文章，同時可以持續關注我的動態~

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的pandas中drop用法_如何使用drop方法对数据进行删减处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。