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, указав имена меток и соответствующую ось, или указав напрямую имена индекса или столбца. При использовании многоуровневого индекса метки на разных уровнях можно удалить, указав уровень.

Параметры:	labels : single label or list-like Метки индекса или столбцов для удаления. axis : {0 or ‘index’, 1 or ‘columns’}, default 0 Удалять метки из индекса (0 или ‘index’) или столбцов (1 или ‘columns’). index, columns : single label or list-like Альтернатива указанию оси (labels, axis=1 эквивалентно columns=labels). Введено в версии 0.21.0. level : int or level name, optional Для MultiIndex, уровень, из которого будут удалены метки. inplace : bool, default False Если True, выполнить операцию inplace и вернуть None. errors : {‘ignore’, ‘raise’}, default ‘raise’ Если ‘ignore’, подавить ошибку и удалить 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 со стёртыми метками на заданной оси, где (все или некоторые) данные отсутствуют.

DataFrame.drop_duplicates

Возвращает DataFrame с удаленными дублирующими 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']],
...                      codes=[[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