(pandas删除某一列) 详解pandas.DataFrame.drop()（删除行或列）函数使用方法删除DataFrame中的行或列全网首发(图文详解1)

(pandas删除某一列) 详解pandas.DataFrame.drop()（删除行或列）函数使用方法

pandas.DataFrame.drop() 是一个非常实用的函数，在数据处理和分析中常用于删除DataFrame中的行或列。以下是如何使用这个函数的详细解释与代码示例。

函数原型：

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

参数解释：

labels: 单个标签或者标签的列表，指定要删除的行或列的名称。
axis: {0 或 ‘index’, 1 或 ‘columns’}, 默认是0，表示操作的轴向。如果是0，就删除行，如果是1，就删除列。
index: 直接指定要删除的行，跟labels + axis=0 的效果相同。
columns: 直接指定要删除的列，跟labels + axis=1 的效果相同。
level: 用于多级索引，指定从哪个级别的索引中删除标签。
inplace: 布尔值，默认False。如果是True，直接在原DataFrame上删除，如果是False，返回一个新的DataFrame。
errors: {‘ignore’, ‘raise’}，如果是’raise’，当删除不存在的标签时会抛出错误；如果是’ignore’，即使标签不存在也会忽略，不会抛出错误。

使用方法举例：

首先，导入必要的包并创建一个DataFrame：

import pandas as pd

# 示例 DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [24, 27, 22, 32],
    'Salary': [85000, 92000, 60000, 120000]
}
df = pd.DataFrame(data)

DataFrame长这样：

      Name  Age  Salary
0    Alice   24   85000
1      Bob   27   92000
2  Charlie   22   60000
3    David   32  120000

删除行的例子：

# 删除索引为0的行
df.drop(index=0)

或者

# 删除索引标签为'0'的行
df.drop(labels=0, axis=0)

或者

# 如果不想改变原来的df可以这样
new_df = df.drop(labels=0, axis=0)

删除列的例子：

# 删除名为'Age'的列
df.drop(columns='Age')

或者

# 删除标签名为'Age'的列
df.drop(labels='Age', axis=1)

或者

# 如果不想改变原来的df可以这样
new_df = df.drop(labels='Age', axis=1)

如果想要直接在原DataFrame中删除行或列，可以设置参数 inplace=True：

# 直接在原始DataFrame中删除Age列
df.drop(columns='Age', inplace=True)

请注意，使用 inplace=True 将不会返回一个新的DataFrame对象，它直接修改原始对象。

这是对 drop() 函数的基本用法的解释和示例。当然，根据需要，你可能还需要结合其他的pandas函数来完成更复杂的数据处理任务。
(np.linalg.norm) Python中np.linalg.norm()用法实例总结 NumPy库中的np.linalg.norm()函数使用简介全网首发(图文详解1)
(python列表去重) python列表去重的5种常见方法实例 Python 列表去重主要方法全网首发(图文详解1)