Как удалить dataframe в pandas? 🐼🔥 Простая инструкция

Для удаления DataFrame в pandas можно использовать метод drop.

Пример:

import pandas as pd

# Создаем DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# Удаляем DataFrame
df.drop(columns=['A'], inplace=True)

# Выводим обновленный DataFrame
print(df)
    

Прежде чем приступить к удалению данных в pandas DataFrame, давайте сначала разберемся, что такое DataFrame. DataFrame - это двумерная маркированная структура данных в библиотеке pandas, которая представляет собой таблицу с рядами и столбцами. Каждый столбец может содержать разные типы данных, такие как числа, строки или даты.

Теперь, когда мы понимаем, что такое DataFrame, рассмотрим различные способы удаления данных.

1. Удаление столбцов

Для удаления столбцов из DataFrame мы можем использовать метод drop. Этот метод принимает аргумент columns, в котором мы указываем список столбцов, которые необходимо удалить. Вот пример:

import pandas as pd

# Создаем DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# Удаляем столбцы A и B
df = df.drop(columns=['A', 'B'])

# Выводим обновленный DataFrame
df

Результат:

   C
0  7
1  8
2  9

В данном примере мы удаляем столбцы 'A' и 'B' из нашего DataFrame, и получаем DataFrame только с одним столбцом 'C'.

2. Удаление строк

Для удаления строк из DataFrame мы можем использовать метод drop в сочетании с аргументом index. Аргумент index принимает список индексов строк, которые необходимо удалить. Вот пример:

import pandas as pd

# Создаем DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# Удаляем строки с индексами 1 и 2
df = df.drop(index=[1, 2])

# Выводим обновленный DataFrame
df

Результат:

   A  B  C
0  1  4  7

В данном примере мы удаляем строки с индексами 1 и 2 из нашего DataFrame, и получаем DataFrame только с одной строкой с индексом 0.

3. Удаление по условию

Если мы хотим удалить строки, удовлетворяющие определенному условию, мы можем использовать фильтрацию по условию и метод drop. Вот пример:

import pandas as pd

# Создаем DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# Удаляем строки, где значение столбца 'A' больше 2
df = df.drop(df[df['A'] > 2].index)

# Выводим обновленный DataFrame
df

Результат:

   A  B  C
0  1  4  7
1  2  5  8

В данном примере мы удаляем строки, в которых значение столбца 'A' больше 2, и получаем DataFrame с двумя оставшимися строками.

4. Изменение DataFrame "на месте"

Все предыдущие примеры возвращали новый DataFrame после удаления данных. Если вы хотите изменить исходный DataFrame "на месте", вы можете использовать аргумент inplace=True в методе drop. Вот пример:

import pandas as pd

# Создаем DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# Удаляем столбцы A и B "на месте"
df.drop(columns=['A', 'B'], inplace=True)

# Выводим обновленный DataFrame
df

Результат:

   C
0  7
1  8
2  9

В данном примере мы удаляем столбцы 'A' и 'B' "на месте", то есть изменяем исходный DataFrame без возвращения нового DataFrame.

Вывод

В этой статье мы рассмотрели четыре различных способа удаления данных в pandas DataFrame. Мы узнали, как удалить столбцы, строки и данные по условию. Также мы обсудили, как изменить DataFrame "на месте" с помощью аргумента inplace=True. Надеюсь, этот материал был полезен для вашего понимания работы с pandas DataFrame.