如何在 Pandas 中删除行

2025年1月11日 | 阅读 6 分钟

使用 pandas.DataFrame.drop()，我们可以从给定的 DataFrame 中删除、移除或消除我们想要的行。我们可以使用 DataFrame.axis 参数选择要删除的轴。默认情况下，Axis = 0 表示消除行。要消除列，请应用 axis = 1 或 columns_param。删除行时，Pandas 默认创建 DataFrame 的副本；要从现有引用 DataFrame 中删除，请使用 inplace = True 选项。

语法

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

参数

标签：以字符串或字符串集合引用的行或列标题。
axis：整数或字符串项，行索引为 0，列索引分别为 1。
索引或列：单个标签或列表。索引或列可以替换标签。但是，它们不能一起使用。
级别：当数据框具有多级索引时，用于定义级别。
就地：如果为 True，则更新原始数据框。
errors：如果列表中任何项目为 false，则忽略错误，当 errors 设置为 "ignore" 时，将删除其余值。

返回类型：更新后的 DataFrame

使用行索引标签删除单行

pandas 的一个优点是提供与列名类似的行标签或标题。如果我们的数据框支持行标签（也称为索引标签），我们可以使用行标签名称指定要删除的单个行。

代码

# Python program to delete a single row using row labels

# importing the required library
import pandas as pd
 
# Creating a dictionary to store data
data = {
    'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
    'Age' : [21, 26, 28, 25],
    'Salary (LPA)' : [32, 20, 38, 17],
}

# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
                  index = ['A', 'B', 'C', 'D'])

# returning a new DataFrame after dropping the row having index label 'B'
new_df = df.drop('B')
 
print("Original DataFrame: \n", df)
print("New DataFrame: \n", new_df)

输出

Original DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21            32
B  Peter   26            20
C  Harry   28            38
D  Naill   25            17
New DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21            32
C  Harry   28            38
D  Naill   25            17

使用索引标签删除多行

我们可以在列表中提供多个行索引标签给 drop 命令，以从 DataFrame 中删除多行。

代码

# Python program to delete multiple rows using row labels

# importing the required library
import pandas as pd
 
# Creating a dictionary to store data
data = {
    'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
    'Age' : [21, 26, 28, 25],
    'Salary (LPA)' : [32, 20, 38, 17],
}

# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
                  index = ['A', 'B', 'C', 'D'])

# returning a new DataFrame after dropping the row having index labels 'B' and 'C'
new_df = df.drop(['B', 'C'])
 
print("Original DataFrame: \n", df)
print("New DataFrame: \n", new_df)

输出

Original DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21            32
B  Peter   26            20
C  Harry   28            38
D  Naill   25            17
New DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21            32
D  Naill   25            17

按索引号删除行

同样，我们可以通过将索引位置作为参数提供给 drop() 方法来从给定的 pandas DataFrame 中删除行。我们必须使用索引提取行名，并将它们传递给 drop() 方法，因为它不接受行位置索引作为参数。为了获得要删除的索引的 DataFrame 的行标签，我们将使用 df.index。

使用 df.index.values 函数将所有行标签作为列表返回。

例如，使用 df.index[[1,2]]，获取第二行和第三行的行标签；然后 drop() 方法删除这些行。请记住，Python 中列表的索引从零开始。

代码

# Python program to delete rows using index number of rows

# importing the required library
import pandas as pd
 
# Creating a dictionary to store data
data = {
    'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
    'Age' : [21, 26, 28, 25],
    'Salary (LPA)' : [32, 20, 38, 17],
}

# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
                  index = ['A', 'B', 'C', 'D'])

# returning a new DataFrame after dropping the row having index labels 'B' and 'C' using their index positions
new_df = df.drop([df.index[1], df.index[2]])
 
print("Original DataFrame: \n", df)
print("New DataFrame: \n", new_df)

输出

Original DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21            32
B  Peter   26            20
C  Harry   28            38
D  Naill   25            17
New DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21            32
D  Naill   25            17

原地删除 DataFrame 的行

到目前为止，我们一直得到一个删除了行的新的 DataFrame。但是，我们可以在不创建一个名为对 DataFrame 执行“就地”操作的情况下删除 DataFrame 的行。

代码

# Python program to delete rows of a DataFrame in place

# importing the required library
import pandas as pd
 
# Creating a dictionary to store data
data = {
    'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
    'Age' : [21, 26, 28, 25],
    'Salary (LPA)' : [32, 20, 38, 17],
}

# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
                  index = ['A', 'B', 'C', 'D'])

print("Original DataFrame: \n", df)

# Updating the existing DataFrame after dropping the row having index labels 'B' and 'C' using their index positions
df.drop([df.index[1], df.index[2]], inplace = True)

print("Updated DataFrame: \n", df)

输出

Original DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21            32
B  Peter   26            20
C  Harry   28            38
D  Naill   25            17
Updated DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21            32
D  Naill   25            17

使用索引范围删除行

通过定义索引范围，我们也可以消除行。下面的实例删除了第三行之前存在的所有行。

代码

# Python program to delete a range of rows

# importing the required library
import pandas as pd
 
# Creating a dictionary to store data
data = {
    'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
    'Age' : [21, 26, 28, 25],
    'Salary (LPA)' : [32, 20, 38, 17],
}

# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
                  index = ['A', 'B', 'C', 'D'])

print("Original DataFrame: \n", df)

# Updating the DataFrame after dropping the row before index 3
df.drop(df.index[:3], inplace = True)

print("Updated DataFrame: \n", df)

输出

Original DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21            32
B  Peter   26            20
C  Harry   28            38
D  Naill   25            17
Updated DataFrame: 
     Name  Age  Salary (LPA)
D  Naill   25            17

通过检查条件删除行

通过 loc[] 和 iloc[] 函数，我们可以根据某些条件（列值）轻松删除 DataFrame 行。

代码

# Python program to delete rows based on a particular condition

# importing the required library
import pandas as pd
 
# Creating a dictionary to store data
data = {
    'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
    'Age' : [21, 26, 28, 25],
    'Salary (LPA)' : [32, 20, 38, 17]
}

# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
                  index = ['A', 'B', 'C', 'D'])

print("Original DataFrame: \n", df)

# Deleting rows having people of age lesser than 25
df1 = df.loc[df['Age'] < 25]

print("New DataFrame: \n", df1)

输出

Original DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21            32
B  Peter   26            20
C  Harry   28            38
D  Naill   25            17
New DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21            32

删除包含 NaN/None 值的行

处理分析时，我们经常需要清理包含 None、Null 和 np.NaN 值的行。我们可以通过调用 df.dropna() 从给定的 DataFrame 中删除 NaN 值。

代码

# Python program to delete rows having NAN values

# importing the required library
import pandas as pd
import numpy as np
 
# Creating a dictionary to store data
data = {
    'Name' : ['Itika', 'Peter', 'Harry', 'Naill'],
    'Age' : [21, 26, 28, 25],
    'Salary (LPA)' : [32, np.NaN, 38, np.NaN],
}

# creating a DataFrame for the above data
df = pd.DataFrame(data, columns = ['Name', 'Age', 'Salary (LPA)'],
                  index = ['A', 'B', 'C', 'D'])

# Dropping rows having NAN values
new_df = df.dropna()
 
print("Original DataFrame: \n", df)
print("New DataFrame: \n", new_df)

输出

Original DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21          32.0
B  Peter   26           NaN
C  Harry   28          38.0
D  Naill   25           NaN
New DataFrame: 
     Name  Age  Salary (LPA)
A  Itika   21          32.0
C  Harry   28          38.0

下一个主题Pandas-strip-whitespace-from-the-entire-dataframe

← 上一个下一个 →

如何在 Pandas 中删除行

使用行索引标签删除单行

使用索引标签删除多行

按索引号删除行

原地删除 DataFrame 的行

使用索引范围删除行

通过检查条件删除行

删除包含 NaN/None 值的行

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

如何在 Pandas 中删除行

使用行索引标签删除单行

使用索引标签删除多行

按索引号删除行

原地删除 DataFrame 的行

使用索引范围删除行

通过检查条件删除行

删除包含 NaN/None 值的行

相关帖子

与 Groupby 一起使用的 3 个鲜为人知的 Pandas 函数

Pandas 排序方法

索引和选择 Pandas DataFrame

帮助您掌握 Pandas 库的 5 本书

Pandas - 从整个 DataFrame 中删除空格

在 pandas 中删除列

使用 Pandas 通过重叠窗口技术识别时间序列数据中的模式

在 Pandas 中应用 If-Else 条件语句的 5 种方法

订阅 Tpoint Tech

联系信息

关注我们

教程

面试题

在线编译器