Pandas使用dataframe.drop和所有其他方法来删除列

方石剑
3,154 阅读5分钟

要从Python中的pandas数据框架中删除单列或多列，你可以使用`df.drop`和其他不同的方法。

如果数据框架中的列与你的分析或你试图解决的问题不相关，就会被删除。当建立机器学习模型时，如果它是多余的或者对你的模型没有帮助，就会被删除。

最常见的方法是使用df.drop() 删除一个列。有时，也会使用Python中的del 命令。

创建一个基本的数据框架

import pandas as pd

# Create the data for the Dataframe
data_df = {'Name': ['Harvard', 'Yale', 'Cornell', 'Princeton', 'Dartmouth'],
           'Locations': ['Cambridge', 'New Haven', 'Ithaca', 'Princeton', 'Hanover'],
           'States': ['Massachusetts', 'Connecticut', 'New York', 'New Jersey', 'New Hampshire'],
           'Founder': ['John Harvard', 'The Founders', 'Ezra Cornell', 'John Witherspoon', 'George III'],
           'Founding Year': [1650, 1701, 1865, 1746, 1769]}

# Create the DataFrame
df = pd.DataFrame(data_df)
df

Pandas drop coloumn

使用del命令来删除列

对于删除一个列，你可以使用python中内置的del命令。

# delete the column 'Locations'
del df['Locations']
df

By del command

使用删除方法

你可以使用Dataframes的drop方法，以不同的方式删除单列或多列。

pandas.DataFrame.drop(labs=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raising')

目的。 从DataFrame中删除指定的行或列。

参数。
labels： 单个标签或列表（默认：无）。用于指定要删除的行或列索引标签。
axis： 0或1（默认：0）。指定要丢弃的标签的方向。如果这个参数的值设置为0，那么标签将沿着行丢弃，如果设置为1，那么标签将沿着列丢弃。
index： 单个标签或列表（默认：无）。作为轴参数的替代，用于指定标签的投放方向。
列： 单个标签或列表（默认值：无）。可替代指定标签投放方向的参数。
level： int或级别名称（缺省：无）。在存在多级索引的情况下，指定要删除的标签的级别。
布尔值（默认值为假）。指定是否要返回DataFrame的副本。如果这个参数的值被设置为'False'，那么将返回原始DataFrame的副本。如果它被设置为'True'，那么将在原始DataFrame中进行修改。
错误： '忽略'或'提高'（默认：提高）。指定错误是被提出还是被忽略。如果'忽略'值被传递给这个参数，那么错误会被抑制，只有现有的标签被丢弃。

丢弃单列

对于放弃一个单列，在标签参数中指定该列的名称。

# Drop the label 'Locations'
df.drop(labels='Locations', axis=1)

Dropping single column

丢弃多列

对于删除多列，在标签参数中传递要删除的列名的列表。

df.drop(labels=['Locations', 'Founder'], axis=1)

Dropping multiple column

使用列参数

通过使用列参数，你不需要指定轴参数为1来删除列。
在这里传递参数可以确保只针对列的标签

# Pass the column name as the value to the columns parameter. The value of the axis parameter need not be passed.
df.drop(columns='Founder')

Using column argument

对于使用columns参数丢弃多个列，你可以传递一个要丢弃的列名列表。

# Pass a list of column names to the columns parameter to drop multiple columns
df.drop(columns=['Founder', 'Locations'])

Using column argument

使用列索引丢弃列

如果你运行df.columns ，那么你会看到一个DataFrame的列名数组。

df.columns

Index(['Name', 'Locations', 'States', 'Founder', 'Founding Year'], dtype='object')

这个数组的元素可以通过索引进行访问。因此，你也可以使用列索引来删除列。

# Use df.columns command to drop columns via indexing
df.drop(df.columns[[1, 3]], axis=1)

Using column index

使用loc索引

你可以使用loc索引来访问DataFrame的行和列。
loc索引方法接受索引标签的名称来访问它们。

你需要传递行标签和列标签的标签名称，以便使用该方法访问行和列。

# Pass column names to the loc indexing method
df.drop(df.loc[:, ['Locations', 'Founder']], axis=1)

Using loc indexing

你也可以将名称模式作为标签名称传递给loc索引。
使用名称模式，你可以从一个DataFrame中移除所有有指定模式的列。

df.drop(df.loc[:, df.columns[df.columns.str.startswith('F')]], axis=1)
# .startswith() is a string function which is used to check if a string starts with the specified character or not

Using loc indexing

使用iloc索引

你也可以使用iloc索引来访问DataFrame的行和列。
iloc方法类似于loc
方法，但是它接受基于整数的行和列的索引标签，而不是标签名称。

要了解更多关于使用iloc方法访问DataFrame的行和列，请点击这里。

# Pass the integer-based index values to the iloc indexing method
df.drop(df.iloc[:, [1, 3]], axis=1)

Using iloc indexing

使用DataFrame.columns.difference方法

DataFrame.columns.difference函数被用作对DataFrame.columns方法的否定操作，该方法用于访问列名数组。
通过使用这个函数，你可以提到你想保留的列名，其余的列将被移除。

# Pass the column names which are to be retained
df.drop(df.columns.difference(['Name', 'States', 'Founding Year']), axis=1)

Pandas drop column

使用pop方法

pop方法用于从DataFrame中移除指定的列，并将移除的列作为一个pandas系列返回。

# Pass the name of the column which is to be removed and return it as a pandas Series
founder = df.pop('Founder')
print(founder)
print('\n')  # Escape character to print an empty new line
print(df)

Using pop method

实用提示

  1. 确保在使用drop方法时，如果没有指定columns参数，那么axis参数的值应该被设置为1。
  2. del命令可以用来删除单列，但不能删除多列。
  3. 你可以使用slice对象来传递连续的列标签。

总结

在这篇文章中，你学到了如何使用方法来删除列。

  1. del命令
  2. 删除方法
  3. DataFrame.columns.difference方法
  4. 弹出方法

测试你的知识

Q1: pop函数从DataFrame中删除指定的列，并返回DataFrame。真的还是假的？

答案

错。pop函数将指定的列从DataFrame中移除，并将列作为pandas系列返回。

**Q2:**哪个函数是Python中的内置函数，用于从pandas Dataframe中删除列？

答案：

Thedelcommand

**Q3:**找出代码中的错误，并写出以下代码。

df.drop(labels=['col_A', 'col_B'],axis=0)

答案

df.drop(labels=['col_A', 'col_B'],axis=1)

**Q4:**你有一个DataFramedf，它有三列：'col_A', 'col_B' 和 'col_c'。请写出删除col_C列的代码，并将其作为pandas系列的'ser_col_c'返回。

答案

ser_col_c = df.pop('col_C')

**Q5:**你有一个DataFramedf，它有三列：'col_A', 'col_B' 和 'col_c'。编写代码，使用loc函数删除 "col_A "和 "col_B "列。确保这些列是在同一个DataFrame中删除的，并且不会形成DataFrame的副本。

答案

df.drop(df.loc[:,['col_A', 'col_B']],axis=1,inplace=True)

这篇文章是由 **Shreyansh**贡献的 。

The postPandas drop columns using dataframe.drop and all other methodsappeared first onMachine Learning Plus.

avatar
文章
阅读
粉丝