在 Pandas 中刪除最後一行和最後一列

若要從 Pandas DataFrame 移除最後一個實體資料列，可使用 df.iloc[:-1] 選取最後一列之前的所有資料列。這會回傳新的 DataFrame，不會改動 df，即使最後一個索引標籤重複也一樣。若要移除最後 n 列，請在 n 為正數時使用 df.iloc[:-n]；當 n 等於零時要另外處理，因為 [:-0] 不會選取任何資料列。空的 DataFrame 沒有最後一列，而 df.iloc[:-1] 會讓它保持空白。

在 Pandas 中使用 drop() 方法刪除資料列與欄

drop() 預設會依索引標籤移除資料列。若要依標籤移除欄，傳入 columns=；這比變更 axis 更清楚。預設的 inplace=False 會回傳新的 DataFrame，因此若要保留結果，請將回傳值指派給變數。例如，df.drop(index=12) 會移除標籤為 12 的資料列，而 df.drop(columns=["Q", "R"]) 會移除這些欄。

執行以下範例，從 DataFrame 移除最後一列：

import pandas as pd

df = pd.DataFrame(
    {"name": ["Ada", "Lin", "Sam"], "score": [91, 84, 88]},
    index=[10, 11, 12],
)
result = df.iloc[:-1]
print(result)

   name  score
10  Ada     91
11  Lin     84

若在 drop() 中使用 inplace=True，原始物件會直接變更，而且此方法不會回傳更新後的 DataFrame。

在 Pandas 的多重索引 DataFrame 中使用 drop() 方法刪除最後一列

使用 df.iloc[:-1] 時，MultiIndex 資料列是依位置選取，因此即使其索引元組先前也出現過，仍只會移除最後一列。相較之下，df.drop(df.index[-1]) 是依標籤選取，會移除所有索引元組相同的資料列。依位置切片不會移除最後一個第一層索引群組。若要移除最後 n 列，請在 n 為正數時使用 df.iloc[:-n]；若 n 為零，則保留所有資料列；若 n 大於或等於資料列數，結果就不會有任何資料列。

此範例重複使用最後一個 MultiIndex 元組，示範 iloc 只會移除它最後一次出現的那一列。

import pandas as pd

index = pd.MultiIndex.from_tuples(
    [("deer", "speed"), ("deer", "weight"), ("dog", "speed"), ("dog", "speed")],
    names=["animal", "measure"],
)
df = pd.DataFrame({"value": [4, 12, 8, 9]}, index=index)
result = df.iloc[:-1]
remaining = list(zip(result.index.tolist(), result["value"].tolist()))
print(remaining)

[(('deer', 'speed'), 4), (('deer', 'weight'), 12), (('dog', 'speed'), 8)]

在 Pandas 中使用 drop() 方法刪除最後一欄

欄的位置從左側的零開始計數；負數位置則從右側往回計算，因此 df.columns[-1] 會指出最後一欄。若要一次移除最後 n 欄，請選取 df.columns[-n:] 切片，並將它傳給 drop(columns=...)：

import pandas as pd

df = pd.DataFrame({"P": [0, 4, 8], "Q": [1, 5, 9], "R": [2, 6, 10], "S": [3, 7, 11]})
n = 2
result = df.drop(columns=df.columns[-n:])
print(result)

   P  Q
0  0  1
1  4  5
2  8  9

此處 n = 2 會選取最右側的兩欄。請使用正數 n；當 n 等於零時，應保留原有欄，而不要使用 [-n:]，因為那會選取所有欄。若 n 大於欄數，切片會選取所有欄，留下不含任何欄的 DataFrame。