pandas.Series.drop

Series.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise') [source]

Возвращает Series со специфическими метками индекса, удаленными.

Удаляет элементы Series на основе указания меток индекса. При использовании многоуровневого индекса метки на разных уровнях можно удалить, указав уровень.

Параметры:	labels : single label or list-like Метки индекса для удаления. axis : 0, default 0 Избыточно для применения к Series. index, columns : None Избыточно для применения к Series, но индекс может быть использован вместо меток. Добавлено в версии 0.21.0. level : int or level name, optional Для MultiIndex, уровень, для которого будут удалены метки. inplace : bool, default False Если True, операция выполняется на месте и возвращает None. errors : {‘ignore’, ‘raise’}, default ‘raise’ Если ‘ignore’, подавляет ошибку и удаляются только существующие метки.
Возвращает:	dropped : pandas.Series
Возможные исключения:	KeyError Если ни одна из меток не найдена в индексе.

См. также

Series.reindex

Возвращает только указанные метки индекса Series.

Series.dropna

Возвращает Series без нулевых значений.

Series.drop_duplicates

Возвращает Series с удаленными дублирующими значениями.

DataFrame.drop

Удаляет указанные метки из строк или столбцов.

Примеры

>>> s = pd.Series(data=np.arange(3), index=['A','B','C'])
>>> s
A  0
B  1
C  2
dtype: int64

Удалить метки B и C

>>> s.drop(labels=['B','C'])
A  0
dtype: int64

Удалить метку 2-го уровня в MultiIndex Series

>>> 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]])
>>> s = pd.Series([45, 200, 1.2, 30, 250, 1.5, 320, 1, 0.3],
...               index=midx)
>>> s
lama    speed      45.0
        weight    200.0
        length      1.2
cow     speed      30.0
        weight    250.0
        length      1.5
falcon  speed     320.0
        weight      1.0
        length      0.3
dtype: float64

>>> s.drop(labels='weight', level=1)
lama    speed      45.0
        length      1.2
cow     speed      30.0
        length      1.5
falcon  speed     320.0
        length      0.3
dtype: float64