您好,登錄后才能下訂單哦!
這篇文章將為大家詳細(xì)講解有關(guān)python如何刪除指定列或多列單個(gè)或多個(gè)內(nèi)容,小編覺(jué)得挺實(shí)用的,因此分享給大家做個(gè)參考,希望大家閱讀完這篇文章后可以有所收獲。
在python中進(jìn)行數(shù)據(jù)處理,經(jīng)常會(huì)遇到有些元素內(nèi)容是不需要的。需要進(jìn)行刪除或者替換。本篇就詳細(xì)探討一下各種數(shù)據(jù)類(lèi)型(series,dataframe)下的刪除方法
隨機(jī)創(chuàng)建一個(gè)DataFrame數(shù)據(jù)
import pandas as pd import numpy as np data=pd.DataFrame(np.random.randint(10,size=(5,3)),columns=['a','b','c']) >>> a b c 0 3 8 2 1 9 9 5 2 4 5 1 3 2 7 5 4 1 2 8
Series:
isin反函數(shù)刪除不需要的列部分元素,適合大批量:
S數(shù)據(jù)類(lèi)型直接使用isin會(huì)選出該列包含的指定內(nèi)容,我們的需求是刪除指定內(nèi)容就需要用到isin的反函數(shù)。但是python目前沒(méi)有類(lèi)似isnotin這種函數(shù),所以我們需要使用-號(hào)來(lái)實(shí)現(xiàn)isnotin的方法
!=比較運(yùn)算符方式,適合少量或者用作與同時(shí)滿足a條件與b條件的情況
isin:
Series的場(chǎng)景
print(data['c'][data['c'].isin([1])]) >>> 2 1 Name: c, dtype: int64 print(data['c'][-data['c'].isin([1])]) >>> 0 2 1 5 3 5 4 8 Name: c, dtype: int64 print(data['c'][-data['c'].isin([1,2])]) >>> 1 5 3 5 4 8 Name: c, dtype: int64
DataFrame場(chǎng)景:
print(data[-data.isin([1,2])])#按Series邏輯操作df發(fā)現(xiàn)會(huì)出現(xiàn)NAN并沒(méi)有刪除掉 >>> a b c 0 3.0 8.0 NaN 1 9.0 9.0 5.0 2 4.0 5.0 NaN 3 NaN 7.0 5.0 4 NaN NaN 8.0 print(data[-data.isin([1,2])].dropna())#我們只需要再加一個(gè)dropna刪除空值就好了 >>> a b c 1 9.0 9.0 5.0
!=比較運(yùn)算符:
Series的場(chǎng)景:
print(data['c'][data['c']!=1]) >>> 0 2 1 5 3 5 4 8 Name: c, dtype: int64 print(data['c'][(data['c']!=1)&((data['c']!=2))]) >>> 1 5 3 5 4 8 Name: c, dtype: int64
DataFrame場(chǎng)景:
分別刪除a與b不同條件的數(shù)據(jù)
print(data[(data['a']!=1)&(data['c']!=2)] >>> a b c 1 9 9 5 2 4 5 1 3 2 7 5 print(data[(data!=1)&(data!=2)].dropna()) #與isin原理相同 a b c 1 9.0 9.0 5.0
關(guān)于python如何刪除指定列或多列單個(gè)或多個(gè)內(nèi)容就分享到這里了,希望以上內(nèi)容可以對(duì)大家有一定的幫助,可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò),可以把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。