在 Pandas 中删除最后一行和最后一列

若要从 Pandas DataFrame 中恰好删除最后一个物理行，可用 df.iloc[:-1] 选取它之前的所有行。此操作会返回新的 DataFrame，不会修改 df，即使最后一个索引标签与其他行重复也是如此。若要删除最后 n 行，可在 n 为正数时使用 df.iloc[:-n]；当 n 等于零时应单独处理，因为 [:-0] 不会选中任何行。空 DataFrame 没有最后一行，执行 df.iloc[:-1] 后仍为空。

在 Pandas 中使用 drop() 方法删除行和列

drop() 默认按索引标签删除行。若要按标签删除列，可传入 columns=；这种写法比更改 axis 更清楚。默认的 inplace=False 会返回新的 DataFrame，因此若要保留结果，需要将其赋值给变量。例如，df.drop(index=12) 会删除标签为 12 的行，而 df.drop(columns=["Q", "R"]) 会删除这些列。

运行下面的示例，从 DataFrame 中删除最后一行。代码和输出块保持原样，其中的英文标签也保留为英文；输出展示删除该行后的 DataFrame：

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

如果将 drop() 与 inplace=True 一起使用，原对象会被修改，而且该方法不会返回更新后的 DataFrame。示例代码和输出中的英文标签保持原样；输出展示了删除最后一行后的结果。

在 Pandas 多重索引 DataFrame 中使用 drop() 方法删除最后一行

使用 df.iloc[:-1] 时，MultiIndex 行由其位置确定，因此即使该行的索引元组之前也出现过，切片仍只会删除最后一行。相比之下，df.drop(df.index[-1]) 按标签选择，会删除所有索引元组相同的行。按位置切片不会删除最后一个第一层索引分组。若要删除最后 n 行，可在 n 为正数时使用 df.iloc[:-n]；当 n 为零时保留所有行，当 n 大于或等于行数时，结果不包含任何行。

下面的示例重复使用最后一个 MultiIndex 元组，以展示 iloc 只会删除它最后一次出现的那一行。代码和输出块保持原样，其中的英文标签也保留为英文；输出展示删除最后一行后的结果。

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() 方法删除最后一列

列位置从左侧的零开始计数；负数位置则从右侧倒数，因此 df.columns[-1] 会定位最后一列。若要一次删除最后 n 列，可选取切片 df.columns[-n:]，并将其传给 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

这里的 n = 2 会选中最右侧的两列。n 应为正数；当 n 等于零时，应保留原有列，而不要使用 [-n:]，因为该切片会选中所有列。如果 n 大于列数，切片会选中所有列，结果 DataFrame 将不包含任何列。代码和输出块保持原样，其中的英文标签也保留为英文；输出展示删除所选末尾列后的 DataFrame。