在 pandas 中删除列

2025年03月17日 | 阅读 9 分钟

在 Pandas 中处理数据时，我们可能会删除 Pandas DataFrame 中的列或某些行。通常会删除不再需要的列/行以便进一步研究。有几种方法可以做到这一点，但在 Pandas 中最好的方法是使用 .drop() 方法。DataFrame 通常可能包含与研究无关的列。应从 DataFrame 中删除此类列，以便我们能够专注于剩余的列。

可以通过定义标签名称和相应轴来删除列，或者直接指定索引或列名称。此外，还可以通过定义级别来删除多级索引上的标签。在本文中，我们将通过一些示例讨论在 pandas 中删除列。

drop() 函数

drop() 函数用于从行或列中删除一组标签。我们可以通过定义标签名称和匹配的轴来排除行或列，或者直接定义索引或列名称。通过定义级别，可以删除多级索引上的标签。我们可以使用 .drop() 函数从 Python DataFrame 中删除一个或多个列。

语法

drop() 函数的语法可以定义为：

DataFrame.drop(self, labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

参数

Labels: 列名或行索引值的字符串或列表。

Index: 提供行标签。

Level: 在 MultiIndex DataFrame 的情况下，用于确定从哪个级别删除标签。它接受级别位置或级别名称作为输入。

Axis: 指示删除列或行。要删除列，请将轴设置为 1 或 'columns'。默认情况下，它会从 DataFrame 中删除行。

Columns: 这是 axis = 'columns' 的替代选项。作为输入，它接受单个列标签或列标签列表。

Inplace: 指定是返回一个新的 DataFrame 还是修改现有的 DataFrame。它是一个布尔标志，默认值为 False。

Errors: 如果设置为 'ignore'，则忽略错误。

返回值

如果 inplace = True，它将返回带有删除列的 DataFrame 或 None。
如果找不到标签，它将引发 KeyError。

删除单列

DataFrame 可能需要删除单个或复杂列。

示例： 在下面的示例中，我们使用 df.drop(columns = 'col name') 来从 DataFrame 中删除 'age' 列。

import pandas as pd

student_dict = {"name": ["Joe", "Nat"], "age": [20, 21], "marks": [85.10, 77.80]}

# 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)

输出：执行此代码后，我们将获得如下所示的输出

name  age  marks
0  Joe   20   85.1
1  Nat   21   77.8
name  marks
0  Joe   85.1
1  Nat   77.8

使用 axis = 'column' 或 axis = 1 的 drop 函数

要删除列，请使用 DataFrame.drop() 方法的 axis 参数。行或列都可以用作轴。列轴由数字 1 或 'columns' 表示。设置 axis=1 或 axis= 'columns' 并提供要删除的列名列表。

示例： 让我们来看上面的例子，了解如何使用 axis = 'column' 和 axis = 1 的 drop 函数。

student_df = student_df.drop(['age', 'marks'], axis='columns')
# alternative both generates same result
student_df = student_df.drop(['age', 'marks'], axis=1)

输出：执行此代码后，我们将获得如下所示的输出

name  age  marks
0  Joe   20   85.1
1  Nat   21   77.8
name
0  Joe
1  Nat

删除多列

DataFrame.drop() 函数有两个参数，我们可以使用它们一次删除 DataFrame 的多列。

使用 column 参数指定要删除的列名列表。
将 axis 设置为 1 并传递列名列表。

示例： 让我们来看一个例子，了解如何删除 DataFrame 中的多列。

import pandas as pd

student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [77.29, 69.15]}

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)

输出：执行此代码后，我们将获得如下所示的输出

name  age  marks
0  John   24   77.29
1  Alex   18   69.15
name
0  John
1  Alex

就地删除列

在之前的示例中，每当我们执行删除操作时，pandas 都会生成 DataFrame 的新副本，因为修改不是就地进行的。inplace 参数指定是从现有 DataFrame 中删除列还是制作副本。

如果 inplace=True，它将更新当前 DataFrame 而不返回任何内容。
如果 inplace 参数设置为 False，它将生成一个带有更新更改的新 DataFrame 并返回它。

示例： 让我们解释一下如何使用 drop 函数就地删除列。

import pandas as pd

student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [79.18, 68.79]}

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)

输出： 执行上述代码后，我们将得到如下输出

name  age  marks
0  John   24   79.18
1  Alex   18   68.79
name
0  John
1  Alex

通过抑制错误删除列

如果我们尝试删除的列不存在于数据集中，DataFrame.drop() 方法将引发 KeyError。如果我们只想在列存在时删除它，我们可以使用 errors 参数来消除错误。

设置 errors= 'ignore' 以防止引发任何错误。
设置 errors= 'raised' 以生成未知列的 KeyError。

示例： 让我们看一个例子，了解如何通过抑制错误来删除列。

import pandas as pd

student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [79.49, 82.54]}

# 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"

输出： 执行上述代码后，我们将得到如下输出

name  age  marks
0  John   24  79.49
1  Alex   18  82.54
raise KeyError(f"{labels[mask]} not found in axis")
KeyError: "['salary'] not found in axis"

按索引位置删除列

如果我们想从 DataFrame 中删除列但不知道它们的名称，我们可以通过使用其索引位置删除列来做到这一点。列索引从 0 开始，一直到最后一列，其索引值为 len(df.columns)-1。

删除前 n 列

如果我们想从 DataFrame 中删除前 'n' 列，我们可以使用 DataFrame.iloc 和 Python 的 range() 函数来定义要删除的列的范围。使用 DataFrame.drop() 的 columns 参数，我们需要使用内置函数 range()。

示例： 让我们看一个例子，了解如何删除 DataFrame 中的前 n 列。

import pandas as pd

student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [
84.45, 76.11], "class": ["A", "B"],
                "city": ["US", "UK"]}

# 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)

输出：执行此代码后，我们将获得如下所示的输出

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

删除最后一列

假设我们想在不使用列名的情况下删除 DataFrame 的第一列或最后一列。在这种情况下，可以使用 DataFrame.columns 属性按索引位置删除 DataFrame 列。只需将 df.columns[index] 传递给 DataFrame.drop 的 columns 参数 ()。

示例： 让我们看一个例子，了解如何从 DataFrame 中删除最后一列。

import pandas as pd

student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [68.44, 85.67]}

# 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])

输出： 执行上述代码后，我们将得到如下输出

name  age  marks
0  John   24  68.44
1  Alex   18  85.67
name  age
0  John   24
1  Alex   18

使用 iloc 删除列范围

我们可能需要从数据集中排除第四列或一组列。可以使用 DataFrame.iloc 从 DataFrame 中选择一个或多个列。为了定义需要删除的列的索引位置，我们可以在 columns 参数中使用 DataFrame.iloc。

示例： 让我们来看一个例子，了解如何使用 iloc 函数删除列范围。

import pandas as pd

student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [79.64, 86.84]}

# 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)

输出： 执行上述代码后，我们将得到如下输出

name  age  marks
0  John   24  79.64
1  Alex   18  86.84
name  
0  John  
1  Alex

从多级索引 DataFrame 中删除列

具有多个列头的 DataFrame 称为多级索引 DataFrame。此类头分为多个级别，级别 0 是第一个，级别 1 是第二个，依此类推。可以从多级索引 DataFrame 的任何级别删除列。默认情况下，它会从所有级别删除列，但我们可以使用 level 参数仅从一个级别删除列。我们需要将级别名称作为 level=level index 传递。

示例： 让我们看一个例子，了解如何从多级索引 DataFrame 中删除列。

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)

输出： 执行上述代码后，我们将得到如下输出

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

使用函数删除列

我们还可以使用该函数根据某些逻辑或条件删除列。我们可以使用内置函数和用户定义的函数来删除列。

使用 pandas DataFrame.pop() 函数删除列

如果我们只想删除一列，我们可以使用 DataFrame.pop(col label) 函数。我们需要传递需要删除的列标签。通过更新现有 DataFrame，它会就地删除该列。如果找不到该列，它将引发 KeyError。

示例： 让我们看一个例子，了解如何使用 pandas DataFrame.pop() 函数删除列。

import pandas as pd

student_dict = {"name": ["John", "Alex"], "age": [24, 18], "marks": [62.46, 54.21]}

# Create DataFrame from dict
student_df = pd.DataFrame(student_dict)
print(student_df)

# drop column
student_df.pop('age')

print(student_df)

输出：执行此代码后，我们将获得如下所示的输出

name  age  marks
0  John   24  62.46
1  Alex   18  54.21
name  marks
0  John  62.46
1  Alex  54.21

使用 loc 函数删除列

如果我们想删除 DataFrame 中的所有列，我们可以使用 DataFrame.loc 在 DataFrame.drop() 的 columns 参数中快速轻松地做到这一点。使用 DataFrame.loc 定义需要删除的列标签。如果未定义列标签，例如 df.loc[:]，则将删除 DataFrame 中的所有列。

示例： 让我们来看一个例子，了解如何使用 loc 函数删除列。

import pandas as pd

student_dict = {"name": ["John", "Alex"], "age": [25, 19], "marks": [79.68, 84.45]}

# 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)

输出： 执行上述代码后，我们将得到如下输出

name  age  marks
0  John   24  79.68
1  Alex   18  84.45

使用 pandas DataFrame delete 删除列

要从 DataFrame 中删除单个列，我们可以使用 pandas 内置函数 del。这是从 DataFrame 中删除列的一种非常简化的方法。我们必须选择要删除的 DataFrame 列，并将其作为 del df[col label] 传递。

示例： 让我们来看一个例子，了解如何使用 pandas DataFrame delete 删除列。

import pandas as pd

student_dict = {"name": ["John", "Alex"], "age": [23, 22], "marks": [57.88, 78.84]}

# Create DataFrame from dict
student_df = pd.DataFrame(student_dict)
print(student_df)

# drop column
del student_df['age']

print(student_df)

输出：执行此代码后，我们将获得如下所示的输出

name  age  marks
0  John   23  57.88
1  Alex   22  78.84
name  marks
0  John  57.88
1  Alex  78.84

下一个主题Pandas DataFrame 的索引和选择

在 pandas 中删除列

drop() 函数

返回值

删除单列

使用 axis = 'column' 或 axis = 1 的 drop 函数

删除多列

就地删除列

通过抑制错误删除列

按索引位置删除列

删除前 n 列

删除最后一列

使用 iloc 删除列范围

从多级索引 DataFrame 中删除列

使用函数删除列

使用 pandas DataFrame.pop() 函数删除列

使用 loc 函数删除列

使用 pandas DataFrame delete 删除列

联系信息

关注我们

教程

面试题

在线编译器

Python

Java

.Net Framework

AI, ML and Data Science

Cloud Technology

B.Tech and MCA

Web Technology

PHP

Software Testing

Technical Interview

Java Interview

Python

Web Interview

Database Interview

B.Tech / MCA

Important Interview

Software Testing Interview

Company Interviews

Online Compilers

Multiple Choice Questions

Pandas 教程

Pandas Series

Pandas DataFrame

Pandas 操作

数据操作

Pandas 速查表

Pandas 索引

Pandas NumPy

Pandas 时间序列

Pandas 绘图

杂项。

面试题

在 pandas 中删除列

drop() 函数

返回值

删除单列

使用 axis = 'column' 或 axis = 1 的 drop 函数

删除多列

就地删除列

通过抑制错误删除列

按索引位置删除列

删除前 n 列

删除最后一列

使用 iloc 删除列范围

从多级索引 DataFrame 中删除列

使用函数删除列

使用 pandas DataFrame.pop() 函数删除列

使用 loc 函数删除列

使用 pandas DataFrame delete 删除列

相关帖子

如何在 Pandas 中删除行

在 Pandas 中应用 If-Else 条件语句的 5 种方法

Pandas - 从整个 DataFrame 中删除空格

帮助您掌握 Pandas 库的 5 本书

使用 Pandas 通过重叠窗口技术识别时间序列数据中的模式

索引和选择 Pandas DataFrame

Pandas 排序方法

与 Groupby 一起使用的 3 个鲜为人知的 Pandas 函数

订阅 Tpoint Tech

联系信息

关注我们

教程

面试题

在线编译器