Удаление столбцов в DataFrame по именам меток или по позициям индекса.
Кадр данных pandas — это двумерная структура данных, состоящая из ряда объектов. Это очень полезно при анализе математических данных. Данные упорядочены в табличном виде, где каждая строка ведет себя как экземпляр данных.
Фрейм данных Pandas особенный, поскольку он наделен множеством функций, что делает его очень мощным программным ресурсом. Каждый столбец во фрейме данных представляет собой серию помеченной информации. В этой статье мы будем работать с этими столбцами и обсудим различные методы удаления столбцов во фрейме данных pandas.
Удаление одного или нескольких столбцов может быть достигнуто путем указания имени столбца или с помощью значения их индекса. Мы поймем оба этих метода, но сначала нам нужно подготовить набор данных и создать фрейм данных.
Создание фрейма данных
При создании фрейма данных мы можем назначить имена столбцов и имена строк нашей таблице. Эта процедура важна, поскольку она определяет «имена меток» и «значения индексов».
Здесь мы импортировали библиотеку pandas как «pd», а затем передали набор данных, используя словарь списков. Каждый ключ представляет данные столбца, а связанное с ним значение передается в виде списка. Мы создали фрейм данных с помощью функции pandas «DataFrame()». Мы присвоили метки строк фрейму данных с помощью параметра «index». Теперь давайте удалим столбцы, используя имена столбцов.
Пример
import pandas as pd dataset = dataframe = pd.DataFrame(dataset, index=["Nimesh", "Arjun", "Mohan", "Ritesh", "Raghav"]) print(dataframe) Выход
Employee ID Age Salary Role Nimesh CIR45 25 200000 Junior Developer Arjun CIR12 28 250000 Analyst Mohan CIR18 27 180000 Programmer Ritesh CIR50 26 300000 Senior Developer Raghav CIR28 25 280000 HR
Использование имен столбцов и метода Drop()
После создания кадра данных мы использовали метод «dataframe.drop», чтобы удалить столбцы «Зарплата» и «Роль» из данных. рамка. Мы передали эти имена столбцов в списке.
Мы указали значение «axis» как 1, поскольку мы работаем с осью столбца. Наконец, мы сохранили этот новый фрейм данных в переменной «colDrop» и распечатали его.
Пример
import pandas as pd dataset = dataframe = pd.DataFrame(dataset, index=["Nimesh", "Arjun", "Mohan", "Ritesh", "Raghav"]) print(dataframe) colDrop = dataframe.drop(["Role", "Salary"], axis=1) print("After dropping the Role and salary column:") print(colDrop) Выход
Employee ID Age Salary Role Nimesh CIR45 25 200000 Junior Developer Arjun CIR12 28 250000 Analyst Mohan CIR18 27 180000 Programmer Ritesh CIR50 26 300000 Senior Developer Raghav CIR28 25 280000 HR After dropping the Role and salary column: Employee ID Age Nimesh CIR45 25 Arjun CIR12 28 Mohan CIR18 27 Ritesh CIR50 26 Raghav CIR28 25
Использование значений индекса и метода Drop()
Мы можем использовать позиции индекса для блокировки столбцов, которые хотим удалить.
Пример
Здесь мы просто использовали метод «dataframe.columns» вместе с «dataframe.drop()», чтобы указать индексные позиции удаляемых столбцов. Мы передали аргумент «[[2,3]]», чтобы удалить столбцы «Зарплата» и «Роль».
Теперь, когда мы обсудили оба основных метода удаления столбцов, давайте обсудим некоторые расширенные концепции.
colDrop = dataframe.drop(dataframe.columns[[2, 3]], axis=1) print("After dropping salary and role: -") print(colDrop) Выход
After dropping salary and role: - Employee ID Age Nimesh CIR45 25 Arjun CIR12 28 Mohan CIR18 27 Ritesh CIR50 26 Raghav CIR28 25 Удаление диапазона столбцов из фрейма данных
В рассмотренных выше примерах мы удалили только определенные столбцы (Зарплата и Роль), но, как мы все знаем, pandas предлагает программисту множество возможностей, и поэтому мы можем использовать его для создания диапазона удаляемых столбцов. Давайте реализуем эту логику.
Использование функции iloc()
После создания фрейма данных мы использовали «функцию iloc()», чтобы выбрать диапазон столбцов и удалить его из фрейма данных. Функция «iloc()» принимает диапазон индексов как для строк, так и для столбцов. Диапазон для строк был установлен как «[0:0]», а для столбцов — «[1:4]». Наконец, мы используем метод «dataframe.drop()», чтобы удалить эти столбцы.
Пример
import pandas as pd dataset = dataframe = pd.DataFrame(dataset, index=["Nimesh", "Arjun", "Mohan", "Ritesh", "Raghav"]) print(dataframe) colDrop = dataframe.drop(dataframe.iloc[0:0, 1:4],axis=1) print("Dropping a range of columns from 'Age' to 'Role' using iloc() function") print(colDrop) Выход
Employee ID Age Salary Role Nimesh CIR45 25 200000 Junior Developer Arjun CIR12 28 250000 Analyst Mohan CIR18 27 180000 Programmer Ritesh CIR50 26 300000 Senior Developer Raghav CIR28 25 280000 HR Dropping a range of columns from 'Age' to 'Role' using iloc() function Employee ID Nimesh CIR45 Arjun CIR12 Mohan CIR18 Ritesh CIR50 Raghav CIR28
Использование функции loc()
Если мы хотим использовать метки вместо индексов для создания диапазона, мы используем «функцию loc()».
Пример
Мы создали диапазон с помощью функции «loc()». В отличие от iloc(), он включает последний столбец. Функция «loc()» выбирает столбцы, принимая имена столбцов в качестве аргумента. Наконец, мы напечатали новый фрейм данных с оставшимися столбцами.
colDrop = dataframe.drop(dataframe.loc[:, "Age": "Role"].columns, axis=1) print("Dropping a range of columns from Age to Role using loc() fucntion") print(colDrop) Выход
Employee ID Age Salary Role Nimesh CIR45 25 200000 Junior Developer Arjun CIR12 28 250000 Analyst Mohan CIR18 27 180000 Programmer Ritesh CIR50 26 300000 Senior Developer Raghav CIR28 25 280000 HR Dropping a range of columns from Age to Role using loc() fucntion Employee ID Nimesh CIR45 Arjun CIR12 Mohan CIR18 Ritesh CIR50 Raghav CIR28
Заключение
В этой статье основное внимание уделяется простой операции удаления столбцов из фрейма данных pandas. Мы обсудили два метода: «удаление по именам меток» и «удаление по значениям индекса». Мы также использовали функции «loc()» и «iloc()» и подтвердили их применение к фрейму данных pandas.
Все права защищены. © Linux-Console.net • 2019-2023
Как удалить столбцы в Pandas (4 примера)
Вы можете использовать функцию drop() , чтобы удалить один или несколько столбцов из кадра данных pandas:
#drop one column by name df.drop('column_name', axis= 1 , inplace= True ) #drop multiple columns by name df.drop(['column_name1', 'column_name2'], axis= 1 , inplace= True ) #drop one column by index df.drop (df.columns [[0]], axis= 1 , inplace= True ) #drop multiple columns by index df.drop (df.columns[[0,2,5]], axis= 1 , inplace= True ) Обратите внимание на следующее:
- Аргумент оси указывает, следует ли удалить строки (0) или столбцы (1).
- Аргумент inplace указывает, что столбцы должны быть удалены без переназначения DataFrame.
В следующих примерах показано, как использовать эту функцию на практике со следующими пандами DataFrame:
import pandas as pd #create DataFrame df = pd.DataFrame() #view DataFrame df A B C 0 25 5 11 1 12 7 8 2 15 7 10 3 14 9 6 4 19 12 6 5 23 9 5 6 25 9 9 7 29 4 12 Пример 1. Удаление одного столбца по имени
В следующем коде показано, как удалить один столбец из DataFrame по имени:
#drop column named 'B' from DataFrame df.drop('B', axis= 1 , inplace= True ) #view DataFrame df A C 0 25 11 1 12 8 2 15 10 3 14 6 4 19 6 5 23 5 6 25 9 7 29 12 Пример 2. Удаление нескольких столбцов по имени
В следующем коде показано, как удалить несколько столбцов по имени:
#drop columns 'A' and 'C' from DataFrame df.drop(['A', 'C'], axis= 1 , inplace= True ) #view DataFrame df B 0 5 1 7 2 7 3 9 4 12 5 9 6 9 7 4 Пример 3. Удаление одного столбца по индексу
В следующем коде показано, как удалить один столбец по индексу:
#drop first column from DataFrame df.drop (df.columns [[0]], axis= 1 , inplace= True ) #view DataFrame df B C 0 5 11 1 7 8 2 7 10 3 9 6 4 12 6 5 9 5 6 9 9 7 4 12 Пример 4. Удаление нескольких столбцов по индексу
В следующем коде показано, как удалить несколько столбцов по индексу:
#drop multiple columns from DataFrame df.drop (df.columns [[0, 1]], axis= 1 , inplace= True ) #view DataFrame df C 0 11 1 8 2 10 3 6 4 6 5 5 6 9 7 12 Как удалить столбцы в Pandas
При работе с данными в Pandas мы можем удалить столбец (столбцы) или несколько строк из Pandas DataFrame. Столбцы/строки обычно удаляются, если они больше не нужны для дальнейшего изучения.
Есть несколько способов сделать это, но лучший способ в Pandas — использовать форму .drop(). DataFrame часто может содержать столбцы, которые не имеют отношения к исследованию. Такие столбцы следует удалить из DataFrame, чтобы мы могли сосредоточиться на оставшихся столбцах.
Столбцы можно опустить, определив имена меток и соответствующие оси или просто указав индекс или имена столбцов. Кроме того, метки на различных уровнях могут быть удалены с помощью мультииндекса путем определения уровня. В этой статье мы собираемся обсудить исключение столбцов в Pandas с некоторыми примерами.
Функция drop()
Функция drop() используется для удаления набора меток из строки или столбца. Мы также можем удалить один или несколько столбцов из DataFrame Python, используя функцию .drop().
Синтаксис
Синтаксис функции drop() может быть определен как:
DataFrame.drop(self, labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
Параметры
- Labels: строка или список имен столбцов или значение индекса строки.
- Index: для предоставления меток строк.
- Level: в случае MultiIndex DataFrame он используется для определения уровня, с которого должны быть удалены метки. Он принимает либо местоположение уровня, либо имя уровня в качестве входных данных.
- Axis: указывает, что столбцы или строки должны быть удалены. Чтобы удалить столбцы, установите для оси значение 1 или «columns». По умолчанию он удаляет строки из DataFrame.
- Columns: это альтернатива для axis = «columns». В качестве входных данных он принимает одну метку столбца или список меток столбца.
- Inplace: указывает, следует ли вернуть новый фрейм данных или изменить существующий. Это логический флаг со значением по умолчанию False.
- Errors: если установлено «ignore», игнорировать ошибки.
Returns
- Если inplace = True, он возвращает DataFrame с удаленными столбцами или None.
- Если метки не найдены, выдается KeyError.
Удаление одного столбца
DataFrame может потребовать удаления одного или сложного столбца.
Пример. Мы используем df.drop(columns = ‘имя столбца’) для удаления столбца “age” из DataFrame в приведенном ниже примере.
import pandas as pd student_dict = # Create DataFrame from dict student_df = pd.DataFrame(student_dict) print(student_df) # drop column student_df = student_df.drop(columns='age') print(student_df)
name age marks 0 Joe 20 85.1 1 Nat 21 77.8 name marks 0 Joe 85.1 1 Nat 77.8
Использование функции drop с axis = ‘column’ или axis = 1
Чтобы удалить столбцы, используйте параметр axis метода DataFrame.drop(). В качестве оси может использоваться строка или столбец. Ось столбца обозначается цифрой 1 или «столбцы». Установите axis=1 или axis= ‘columns’ и получите список имен столбцов, которые нужно удалить.
Пример: возьмем приведенный выше пример, чтобы понять, как мы можем использовать функцию drop() с axis = «column» и axis = 1.
student_df = student_df.drop(['age', 'marks'], axis='columns') # alternative both generates same result student_df = student_df.drop(['age', 'marks'], axis=1)
name age marks 0 Joe 20 85.1 1 Nat 21 77.8 name 0 Joe 1 Nat
Удаление нескольких столбцов
Есть два параметра параметров функции DataFrame.drop(), которые мы можем использовать для одновременного удаления нескольких столбцов DataFrame.
- Используйте параметр column, чтобы указать список имен столбцов, которые необходимо удалить.
- Установите axis на 1 и переместите список имен столбцов.
Пример. Давайте рассмотрим пример, чтобы понять, как мы можем удалить несколько столбцов в DataFrame.
import pandas as pd student_dict = student_df = pd.DataFrame(student_dict) print(student_df.columns.values) # drop 2 columns at a time student_df = student_df.drop(columns=['age', 'marks']) print(student_df.columns.values)
name age marks 0 John 24 77.29 1 Alex 18 69.15 name 0 John 1 Alex
Перемещение столбца на место
В предыдущих случаях всякий раз, когда мы выполняли процедуру удаления, Pandas генерировал новую копию DataFrame, потому что модификации не было на месте. Параметр inplace указывает, следует ли удалить столбец из существующего фрейма данных или сделать его копию.
- Если inplace=True, он обновляет текущий DataFrame, ничего не возвращая.
- Если для параметра inplace установлено значение False, он создает новый фрейм данных с обновленными изменениями и возвращает его.
Пример: объясним, как мы можем использовать функцию drop, чтобы переместить столбец на место.
import pandas as pd student_dict = student_df = pd.DataFrame(student_dict) print(student_df.columns.values) # drop columns in place student_df.drop(columns=['age', 'marks'], inplace=True) print(student_df.columns.values)
name age marks 0 John 24 79.18 1 Alex 18 68.79 name 0 John 1 Alex
Принятие или игнорирование ошибок
Если столбец, который мы пытаемся удалить, не существует в наборе данных, метод DataFrame.drop() выдает ошибку KeyError. Если мы просто хотим удалить столбец, если это произойдет, мы можем использовать параметр Errors, чтобы удалить ошибку.
- Установите errors= ‘ignore’, чтобы предотвратить возникновение ошибок.
- Установите errors= ‘raised’, чтобы сгенерировать KeyError для неизвестных столбцов.
Пример: Рассмотрим пример, чтобы понять, как мы можем удалить столбцы, подавляя ошибки.
import pandas as pd student_dict = # Create DataFrame from dict student_df = pd.DataFrame(student_dict) print(student_df) # supress error student_df = student_df.drop(columns='salary', errors='ignore') # No change in the student_df # raise error student_df = student_df.drop(columns='salary') # KeyError: "['salary'] not found in axis"
Вывод: после выполнения приведенного выше кода мы получим вывод, как показано ниже:
name age marks 0 John 24 79.49 1 Alex 18 82.54 raise KeyError(f" not found in axis") KeyError: "['salary'] not found in axis"
Удаление по позиции индекса
Если мы хотим удалить столбцы из DataFrame, но не знаем их имен, мы можем сделать это, удалив столбец, используя его индексную позицию. Индексация столбца начинается с 0 (ноль) и продолжается до последнего столбца, значение индекса которого равно len(df.columns)-1.
Удалить первые n столбцов
Мы можем использовать DataFrame.iloc и функцию range() Python, чтобы определить диапазон столбцов, если нам нужно удалить первые n столбцов из DataFrame. С параметром столбцов DataFrame.drop() нам необходимо использовать встроенную функцию range().
Пример. Давайте рассмотрим пример, чтобы понять, как мы можем удалить первые n столбцов в DataFrame.
import pandas as pd student_dict = # Create DataFrame from dict student_df = pd.DataFrame(student_dict) print(student_df.columns.values) # drop column 1 and 2 student_df = student_df.drop(columns=student_df.iloc[:, range(2)]) # print only columns print(student_df.columns.values)
name age marks class city 0 John 24 84.45 A US 1 Alex 18 76.11 B UK marks class city 84.45 A US 76.11 B UK
Удалить последний столбец
Предположим, что мы хотим исключить первый или последний столбец DataFrame без использования имени столбца. В таких ситуациях используйте атрибут DataFrame.columns для удаления столбца DataFrame на основе его расположения в индексе. Просто переместите df.columns[index] в параметр столбцов DataFrame.drop().
import pandas as pd student_dict = # Create DataFrame from dict student_df = pd.DataFrame(student_dict) print(student_df.columns.values) # find position of the last column and drop pos = len(student_df.columns) - 1 student_df = student_df.drop(columns=student_df.columns[pos]) print(student_df.columns.values) # delete column present at index 1 # student_df.drop(columns = student_df.columns[1])
name age marks 0 John 24 68.44 1 Alex 18 85.67 name age 0 John 24 1 Alex 18
Исключение диапазона столбцов с помощью iloc
Возможно, нам потребуется исключить четвертый столбец из набора данных или группу столбцов вообще. DataFrame.iloc можно использовать для выбора одного или нескольких столбцов из DataFrame. Чтобы определить индексное расположение столбцов, которые необходимо удалить, мы можем использовать DataFrame.iloc в параметре столбца.
Пример: Давайте рассмотрим пример, чтобы понять, как мы можем удалить диапазон столбцов с помощью функции iloc.
import pandas as pd student_dict = # Create DataFrame from dict student_df = pd.DataFrame(student_dict) print(student_df.columns.values) # drop column from 1 to 3 student_df = student_df.drop(columns=student_df.iloc[:, 1:3]) print(student_df.columns.values)
name age marks 0 John 24 79.64 1 Alex 18 86.84 name 0 John 1 Alex
Исключение из мультииндексных фреймов данных
DataFrame с несколькими заголовками столбцов называется мультииндексным DataFrame. Такие заголовки делятся на уровни, где уровень 0 является первым, уровень 1 — вторым и т. д.
Столбец может быть удален из любого этапа мультииндексного DataFrame. По умолчанию он удаляет столбцы со всех уровней, но мы можем использовать уровень параметра, чтобы удалить столбцы только с одного уровня. Мы должны передать имя уровня как уровень = индекс уровня.
import pandas as pd # create column header col = pd.MultiIndex.from_arrays([['Class X', 'Class Y', 'Class Z', 'Class Y'], ['Name', 'Marks', 'Name', 'Marks']]) # create DataFrame from 2darray student_df = pd.DataFrame([['John', '87.22', 'Nat', '68.79'], ['Peter', '73.45', 'Alex', '82.76']], columns=col) print(student_df) # drop column student_df = student_df.drop(columns=['Marks'], level=1) print(student_df)
Class X Class Y Class Z Class Y Name Marks Name Marks 0 John 87.22 Nat 68.79 1 Peter 73.45 Alex 82.76 Class X Class Z Name Name 0 John Nat 1 Peter Alex
Использование функции
Мы также можем использовать функцию для удаления столбцов на основе некоторой логики или условия. Чтобы удалить столбцы, мы можем использовать как встроенные, так и пользовательские функции.
pandas DataFrame.pop()
Если мы просто хотим удалить один столбец, мы можем использовать функцию DataFrame.pop(col label). Нам необходимо передать метку столбца, которую необходимо удалить. Обновляя существующий DataFrame, он удаляет столбец на месте. Если столбец не найден, возникает ошибка KeyError.
import pandas as pd student_dict = # Create DataFrame from dict student_df = pd.DataFrame(student_dict) print(student_df) # drop column student_df.pop('age') print(student_df)
name age marks 0 John 24 62.46 1 Alex 18 54.21 name marks 0 John 62.46 1 Alex 54.21
DataFrame.loc
Если мы хотим удалить все столбцы из DataFrame, мы можем сделать это быстро и легко с помощью DataFrame.loc в параметре столбца DataFrame.drop(). Метки столбцов, которые необходимо удалить, определяются с помощью DataFrame.loc. Если метки столбцов не определены, например df.loc[:], DataFrame будет удален из всех столбцов.
import pandas as pd student_dict = # Create DataFrame from dict student_df = pd.DataFrame(student_dict) print(student_df.columns.values) # drop column 1 and 2 student_df = student_df.drop(columns=student_df.loc[:]) # print only columns print(student_df.columns.values)
name age marks 0 John 24 79.68 1 Alex 18 84.45
Функция delete
Чтобы удалить один столбец из DataFrame, мы могли бы использовать встроенную функцию pandas del. Это очень упрощенный метод удаления столбца из DataFrame. Мы должны выбрать удаляемый столбец DataFrame и передать его как del df[col label].
import pandas as pd student_dict = # Create DataFrame from dict student_df = pd.DataFrame(student_dict) print(student_df) # drop column del student_df['age'] print(student_df)
name age marks 0 John 23 57.88 1 Alex 22 78.84 name marks 0 John 57.88 1 Alex 78.84
Добавление и удаление столбца в DataFrame Pandas
Чтобы добавить новый столбец к существующему в DataFrame Pandas, назначьте новые значения столбца, проиндексированному с использованием нового имени столбца.
В этом руководстве мы узнаем, как добавить столбец в DataFrame с помощью примеров программ, которые будут очень подробными и иллюстративными.
Синтаксис
Синтаксис для добавления столбца в DataFrame:
mydataframe['new_column_name'] = column_values
Где, mydataframe – это DataFrame, в который вы хотите добавить новый столбец с меткой new_column_name. Вы можете указать все значения столбца в виде списка или одно значение, которое будет использоваться по умолчанию для всех строк.
Пример 1
В этом примере мы создадим DataFrame df_marks и добавим новый столбец с именем geometry.
import pandas as pd mydictionary = #create dataframe df_marks = pd.DataFrame(mydictionary) print('Original DataFrame\n--------------') print(df_marks) #add column df_marks['geometry'] = [81, 92, 67, 76] print('\n\nDataFrame after adding "geometry" column\n--------------') print(df_marks)
Original DataFrame -------------- names physics chemistry algebra 0 Somu 68 84 78 1 Kiku 74 56 88 2 Amol 77 73 82 3 Lini 78 69 87 DataFrame after adding "geometry" column -------------- names physics chemistry algebra geometry 0 Somu 68 84 78 81 1 Kiku 74 56 88 92 2 Amol 77 73 82 67 3 Lini 78 69 87 76
Столбец добавляется к DataFrame с указанным списком в качестве значений столбца.
Длина списка, который вы предоставляете для нового столбца, должна равняться количеству строк в DataFrame. Если это условие не выполняется, вы получите сообщение об ошибке, подобное приведенному ниже.
ValueError: Length of values does not match length of index
Пример 2: со значением по умолчанию
В этом примере мы создадим df_marks и добавим новый столбец с именем geometry со значением по умолчанию для каждой строки в DataFrame.
import pandas as pd mydictionary = #create dataframe df_marks = pd.DataFrame(mydictionary) print('Original DataFrame\n--------------') print(df_marks) #add column df_marks['geometry'] = 65 print('\n\nDataFrame after adding "geometry" column\n--------------') print(df_marks)
Original DataFrame -------------- names physics chemistry algebra 0 Somu 68 84 78 1 Kiku 74 56 88 2 Amol 77 73 82 3 Lini 78 69 87 DataFrame after adding "geometry" column -------------- names physics chemistry algebra geometry 0 Somu 68 84 78 65 1 Kiku 74 56 88 65 2 Amol 77 73 82 65 3 Lini 78 69 87 65
Столбец добавляется в DataFrame с указанным значением в качестве значения столбца по умолчанию.
Как у далить столбец?
Функция Pandas DataFrame.pop() используется для удаления столбца из DataFrame.
В этом руководстве мы рассмотрим примеры, чтобы узнать, как использовать pop() для удаления столбца из Pandas DataFrame.
Пример 1
В этом примере мы удалили определенный столбец, используя его имя с помощью pop(). Функция pandas pop() обновляет исходный dataframe. Данные в удаленном столбце потеряны.
import pandas as pd mydictionary = #create dataframe df_marks = pd.DataFrame(mydictionary) print('Original DataFrame\n--------------') print(df_marks) #delete column df_marks.pop('algebra') print('\n\nDataFrame after deleting column\n--------------') print(df_marks)
Пример 2
В этом примере мы попытаемся удалить столбец, которого нет в DataFrame.
Когда вы пытаетесь удалить несуществующий столбец с помощью pop(), функция выдает ошибку KeyError.
import pandas as pd mydictionary = #create dataframe df_marks = pd.DataFrame(mydictionary) print('Original DataFrame\n--------------') print(df_marks) #delete column that is not present df_marks.pop('geometry') print('\n\nDataFrame after deleting column\n--------------') print(df_marks)
В этом руководстве на примерах Python мы узнали, как удалить столбец из DataFrame с помощью pop() с помощью хорошо подробных примеров программ.
Как удалить столбцы?
Чтобы удалить или удалить только один столбец из Pandas DataFrame, вы можете использовать ключевое слово del, функцию pop() или функцию drop() в кадре данных.
Чтобы удалить несколько столбцов из DataFrame Pandas, используйте функцию drop().
Пример 1: с помощью ключевого слова del
В этом примере мы создадим DataFrame, а затем удалим указанный столбец с помощью ключевого слова del. Столбец выбирается для удаления с помощью метки столбца.
import pandas as pd mydictionary = #create dataframe df_marks = pd.DataFrame(mydictionary) print('Original DataFrame\n--------------') print(df_marks) #delete a column del df_marks['chemistry'] print('\n\nDataFrame after deleting column\n--------------') print(df_marks)
Original DataFrame -------------- names physics chemistry algebra 0 Somu 68 84 78 1 Kiku 74 56 88 2 Amol 77 73 82 3 Lini 78 69 87 DataFrame after deleting column -------------- names physics algebra 0 Somu 68 78 1 Kiku 74 88 2 Amol 77 82 3 Lini 78 87
Мы удалили столбец химии из DataFrame.
Пример 2: с помощью функции pop()
В этом примере мы создадим DataFrame, а затем будем использовать функцию pop() для удаления определенного столбца.
import pandas as pd mydictionary = #create dataframe df_marks = pd.DataFrame(mydictionary) print('Original DataFrame\n--------------') print(df_marks) #delete column df_marks.pop('chemistry') print('\n\nDataFrame after deleting column\n--------------') print(df_marks)
Original DataFrame -------------- names physics chemistry algebra 0 Somu 68 84 78 1 Kiku 74 56 88 2 Amol 77 73 82 3 Lini 78 69 87 DataFrame after deleting column -------------- names physics algebra 0 Somu 68 78 1 Kiku 74 88 2 Amol 77 82 3 Lini 78 87
Мы удалили столбец химии из DataFrame.
Пример 3: с помощью функции drop()
В этом примере мы будем использовать функцию drop() для удаления определенного столбца. Мы используем метку столбца для удаления.
import pandas as pd mydictionary = #create dataframe df_marks = pd.DataFrame(mydictionary) print('Original DataFrame\n--------------') print(df_marks) #delete column df_marks = df_marks.drop(['chemistry'], axis=1) print('\n\nDataFrame after deleting column\n--------------') print(df_marks)
Пример 4: с помощью функции drop()
В этом примере мы будем использовать функцию drop() для удаления нескольких столбцов. Мы используем массив меток столбцов для выбора столбцов для удаления.
import pandas as pd mydictionary = #create dataframe df_marks = pd.DataFrame(mydictionary) print('Original DataFrame\n--------------') print(df_marks) #delete columns df_marks = df_marks.drop(['algebra', 'chemistry'], axis=1) print('\n\nDataFrame after deleting column\n--------------') print(df_marks)
Мы узнали, как удалить столбец из Pandas DataFrame, используя ключевое слово del, метод pop() и метод drop(), с помощью хорошо подробных примеров Python.