HOWTO · Pandas

Pandas DataFrame 删除某行

本教程介绍了如何使用 pandas.DataFrame.drop()方法在 Pandas 中删除行。

本页内容

本教程介绍如何使用 pandas.DataFrame.drop() 从 pandas DataFrame 中删除行。传给 drop() 的值是索引标签。使用默认整数索引时,标签看起来常常像行位置,但标签本身并不等同于位置。下面的示例将展示如何直接选择标签、将位置转换为标签,以及删除符合列条件的行。

运行此示例:

本节中的代码以及显示的标签或输出仍为英文。

import pandas as pd

people = pd.DataFrame(
    {"Name": ["Himansh", "Prateek", "Abhishek", "Vidit", "Anupam"],
     "Age": [30, 33, 35, 30, 30]}
)
remaining = people.drop([0, 2])
print(remaining)

按索引标签删除行

将一个标签或标签列表传给 drop()。在上面的示例中,默认索引为 0 到 4,因此标签 0 和 2 分别对应第一行和第三行。返回的 DataFrame 会保留剩余行原有的标签;pandas 不会自动为它们重新编号。如果后续操作需要连续的新索引,可以使用 reset_index(drop=True)。

对于自定义索引,应传入实际标签。下面这个独立示例使用姓名作为标签,因此只有在这些标签确实分配给相应行时,"A" 和 "C" 才会选中第一项和第三项:

本节中的代码以及显示的标签或输出仍为英文。

import pandas as pd

people = pd.DataFrame(
    {"Name": ["Himansh", "Prateek", "Abhishek", "Vidit", "Anupam"],
     "Age": [30, 33, 35, 30, 30]},
    index=["A", "B", "C", "D", "E"],
)
remaining = people.drop(["A", "C"])
print(remaining)

默认情况下,如果某个标签不存在,就会引发 KeyError。如果标签可能不存在,可以传入 errors="ignore",跳过缺失的标签;请谨慎使用,因为这也可能掩盖标签拼写错误。

按位置删除行

drop() 接受的是标签,而不是行位置。若要按从零开始的位置删除行,先从索引中选出这些位置,再将得到的标签传给 drop()。当索引是自定义索引或顺序经过调整时,区分位置和标签尤其重要。下面的示例可以独立运行:

本节中的代码以及显示的标签或输出仍为英文。

import pandas as pd

people = pd.DataFrame(
    {"Name": ["Himansh", "Prateek", "Abhishek", "Vidit", "Anupam"],
     "Age": [30, 33, 35, 30, 30]},
    index=["A", "B", "C", "D", "E"],
)
positions = [0, 2]
labels = people.index.take(positions)
remaining = people.drop(labels)
print(remaining)

这里先将位置 0 和 2 转换为标签 "A" 和 "C",再删除对应行。如果已经知道标签,就像上一节那样直接使用即可。如果目的是保留选定的行,也可以使用 iloc 按位置选择。

根据列值删除行

若要删除符合某个条件的行,先找出这些行的索引标签,再将标签传给 drop()。此示例中的条件会选出年龄小于或等于 33 岁的行,因此结果 DataFrame 会保留年龄大于 33 岁的人:

本节中的代码以及显示的标签或输出仍为英文。

import pandas as pd

people = pd.DataFrame(
    {"Name": ["Himansh", "Prateek", "Abhishek", "Vidit", "Anupam"],
     "Age": [31, 33, 35, 36, 34]},
    index=["A", "B", "C", "D", "E"],
)
remove_labels = people.index[people["Age"] <= 33]
remaining = people.drop(remove_labels)
print(remaining)

当条件用于确定要删除哪些行时,这种方法很实用。如果说明要保留哪些行更清楚,也可以使用布尔筛选,例如 people[people["Age"] > 33]。对于此条件,两种方法都会返回筛选后保留的行;如果重点是描述保留规则,布尔筛选可能更容易读懂。

了解 DataFrame.drop() 的行为和常见问题

pandas.DataFrame.drop() 默认会返回一个新的 DataFrame,而不修改原始对象。可以像各示例中那样为结果赋值,也可以在后续表达式中使用返回值。inplace=True 选项会修改原始对象并返回 None;通常,像 people = people.drop(...) 这样赋值更清楚,因为结果一目了然。

默认情况下,drop() 会从索引中删除标签。若要删除列标签,请指定 axis="columns"(或使用 columns=[...]);本文讨论的是行标签。请记住,默认整数索引可能让标签看起来像位置,而自定义索引则能清楚显示两者的区别。如果结果与预期不符,请检查 people.index,确认条件选中了要删除的行,并确认代码保留了 drop() 返回的结果。