pandas.DataFrame.drop
-
DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')[source] -
Удаление указанных меток из строк или столбцов.
Удаление строк или столбцов, указанием имён меток и соответствующей оси, или непосредственным указанием индексов или названий столбцов. При использовании многоуровневого индекса, метки на разных уровнях могут быть удалены, указав уровень.
Параметры: метки : единичная метка или список
Индексы или метки столбцов для удаления.
ось : {0 или ‘индекс’, 1 или ‘столбцы’}, по умолчанию 0
Удалить метки из индекса (0 или ‘индекс’) или столбцов (1 или ‘столбцы’).
индекс, столбцы : единичная метка или список
Альтернатива указанию оси (
labels, axis=1эквивалентноcolumns=labels).Введено в версии 0.21.0.
уровень : целое число или имя уровня, необязательно
Для MultiIndex, уровень, из которого будут удалены метки.
inplace : bool, по умолчанию False
Если True, операция выполняется на месте и возвращает None.
errors : {‘ignore’, ‘raise’}, по умолчанию ‘raise’
Если ‘ignore’, подавляет ошибку и удаляются только существующие метки.
Возвращает: -
dropped : pandas.DataFrame
Возбуждает: KeyError
Если ни одна из меток не найдена на выбранной оси
См. также
-
DataFrame.loc - Индексатор на основе меток для выбора по метке.
-
DataFrame.dropna - Возвращает DataFrame с удаленными метками на данной оси, где отсутствуют данные (все или любые)
-
DataFrame.drop_duplicates - Возвращает DataFrame с удаленными дублирующимися строками, при необходимости учитывая только определенные столбцы
-
Series.drop - Возвращает Series с удаленными указанными метками индекса.
Примеры
>>> df = pd.DataFrame(np.arange(12).reshape(3,4), ... columns=['A', 'B', 'C', 'D']) >>> df A B C D 0 0 1 2 3 1 4 5 6 7 2 8 9 10 11
Удаление столбцов
>>> df.drop(['B', 'C'], axis=1) A D 0 0 3 1 4 7 2 8 11
>>> df.drop(columns=['B', 'C']) A D 0 0 3 1 4 7 2 8 11
Удаление строки по индексу
>>> df.drop([0, 1]) A B C D 2 8 9 10 11
Удаление столбцов и/или строк DataFrame с MultiIndex
>>> midx = pd.MultiIndex(levels=[['lama', 'cow', 'falcon'], ... ['speed', 'weight', 'length']], ... labels=[[0, 0, 0, 1, 1, 1, 2, 2, 2], ... [0, 1, 2, 0, 1, 2, 0, 1, 2]]) >>> df = pd.DataFrame(index=midx, columns=['big', 'small'], ... data=[[45, 30], [200, 100], [1.5, 1], [30, 20], ... [250, 150], [1.5, 0.8], [320, 250], ... [1, 0.8], [0.3,0.2]]) >>> df big small lama speed 45.0 30.0 weight 200.0 100.0 length 1.5 1.0 cow speed 30.0 20.0 weight 250.0 150.0 length 1.5 0.8 falcon speed 320.0 250.0 weight 1.0 0.8 length 0.3 0.2>>> df.drop(index='cow', columns='small') big lama speed 45.0 weight 200.0 length 1.5 falcon speed 320.0 weight 1.0 length 0.3>>> df.drop(index='length', level=1) big small lama speed 45.0 30.0 weight 200.0 100.0 cow speed 30.0 20.0 weight 250.0 150.0 falcon speed 320.0 250.0 weight 1.0 0.8 -
© 2008–2012, AQR Capital Management, LLC, Lambda Foundry, Inc. and PyData Development Team
Licensed under the 3-clause BSD License.
https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.DataFrame.drop.html