簡單介紹Python drop方法刪除列之inplace參數(shù)實例

drop方法有一個可選參數(shù)inplace，表明可對原數(shù)組作出修改并返回一個新數(shù)組。不管參數(shù)默認為False還是設(shè)置為True，原數(shù)組的內(nèi)存值是不會改變的，區(qū)別在于原數(shù)組的內(nèi)容是否直接被修改。默認為False,表明原數(shù)組內(nèi)容并不改變，如果我們需要得到改變后的內(nèi)容，需要將新結(jié)果賦給一個新的數(shù)組，即data = data.drop(['test','test2'],1)。

如果將inplace值設(shè)定為True,則原數(shù)組內(nèi)容直接被改變。

測試程序如下

#增加兩列空值
import numpy as np
data["test"] = np.nan
data["test2"] = np.nan
  
name    gender  age test2   test
0   jerry   M   36  NaN NaN
1   emma    F   23  NaN NaN
2   tony    M   34  NaN NaN
4   bob M   20  NaN NaN
  
#查看此時data的內(nèi)存地址
id(data)
128971088
  
#刪除這兩列，inplace默認為False
id(data.drop(['test','test2'],1))
128971888
  
#查看data,發(fā)現(xiàn)數(shù)據(jù)并未改變
data
name    gender  age test    test2
0   jerry   M   36  NaN NaN
1   emma    F   23  NaN NaN
2   tony    M   34  NaN NaN
4   bob M   20  NaN NaN
  
#查看data的ID
id(data)
128971088
  
#刪除這兩列，inplace設(shè)置為False
id(data.drop(['test','test2'],1,inplace = True))
1545984728
  
#查看data,數(shù)據(jù)已經(jīng)改變
data
name    gender  age test    test2
0   jerry   M   36  NaN NaN
1   emma    F   23  NaN NaN
2   tony    M   34  NaN NaN
4   bob M   20  NaN NaN
  
#查看data的ID
id(data)
128971088

使用del和drop方法刪除DataFrame中的列，使用drop方法一次刪除多列

# 使用del, 一次只能刪除一列，不能一次刪除多列
# 只能使用 del df['密度'], 不能使用 del df[['密度', '含糖率']]
  
del df['密度']
  
# del df[['密度', '含糖率']] 報錯
# 使用drop，有三種方法：
  
dt = dt.drop(['密度', '含糖率'], axis=1) # axis=1 表示刪除列，['密度', '含糖率'] 要刪除的col的列表，可一次刪除多列
  
dt.drop(['密度', '含糖率'], axis=1, inplace=True) # inplace=True, 直接從內(nèi)部刪除
  
dt.drop(dt.columns[[0, 4, 8]], axis=1, inplace=True) # dt.columns[[0, 4, 8]] 直接使用索引查找列

以上這篇Python drop方法刪除列之inplace參數(shù)實例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考

原文地址： https://www.linuxprobe.com/python-linux-inplace.html