pandas.Series.drop

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

Возвращает Series с удаленными метками индекса.

Удаляет элементы из Series, основываясь на указании меток индекса. При использовании многоуровневого индекса метки на разных уровнях можно удалить, указав уровень.

Параметры:

labels:одиночная метка или список-подобный объект

Метки индекса для удаления.

axis:{0 или ‘index’}

Не используется. Параметр необходим для совместимости с DataFrame.

index:одиночная метка или список-подобный объект

Избыточно для применения к Series, но ‘index’ можно использовать вместо ‘labels’.

columns:одиночная метка или список-подобный объект

В Series не происходит никаких изменений; вместо этого используйте ‘index’ или ‘labels’.

level:целое число или имя уровня, необязательно

Для MultiIndex, уровень, метки которого будут удалены.

inplace:bool, по умолчанию False

Если True, операция выполняется на месте и возвращается None.

errors:{‘ignore’, ‘raise’}, по умолчанию ‘raise’

Если ‘ignore’, подавляется ошибка, и удаляются только существующие метки.

Возвращает:

Series или None

Series с удаленными метками индекса или None, если inplace=True.

Возбуждает:

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 дублирующимися 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 второго уровня в Series с многоуровневым индексом

>>> midx = pd.MultiIndex(levels=[['llama', '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
llama   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)
llama   speed      45.0
        length      1.2
cow     speed      30.0
        length      1.5
falcon  speed     320.0
        length      0.3
dtype: float64