Datenverarbeitungstechniken zum Löschen bestimmter Spalten in DataFrame mithilfe von Pandas

Datenverarbeitungsfähigkeiten: Verwenden Sie Pandas, um bestimmte Spalten in DataFrame zu löschen.

Während der Datenanalyse und -verarbeitung ist das Löschen unnötiger Spalten in DataFrame eine der häufigsten Anforderungen. Pandas ist eine häufig verwendete Datenanalyse- und -verarbeitungsbibliothek in Python, die umfangreiche Funktionen und flexible Betriebsmethoden bietet. In diesem Artikel wird erläutert, wie Sie mit Pandas bestimmte Spalten in einem DataFrame löschen, und es werden spezifische Codebeispiele bereitgestellt.

1. Zuerst müssen wir die Pandas-Bibliothek importieren und einen DataFrame zur Demonstration erstellen:

import pandas as pd

# 创建示例DataFrame
data = {'姓名': ['张三', '李四', '王五', '赵六'],
        '性别': ['男', '女', '男', '女'],
        '年龄': [25, 30, 35, 28],
        '成绩': [80, 90, 85, 95]}
df = pd.DataFrame(data)

print(df)

Im obigen Code haben wir einen DataFrame mit vier Spalten mit Name, Geschlecht, Alter und Noten erstellt und ausgedruckt Die Ergebnisse sind wie folgt:

  姓名 性别  年龄  成绩
0  张三  男  25  80
1  李四  女  30  90
2  王五  男  35  85
3  赵六  女  28  95

2. Als Nächstes zeigen wir, wie man mit Pandas bestimmte Spalten in einem DataFrame löscht.

1. Verwenden Sie die Methode drop, um eine einzelne Spalte zu löschen. drop方法删除单个列

# 删除单个列
df_drop = df.drop('性别', axis=1)

print(df_drop)

以上代码中，我们使用drop方法删除了DataFrame中的'性别'列，并将结果保存在新的DataFrame df_drop中。axis=1表示删除的是列，结果如下：

  姓名  年龄  成绩
0  张三  25  80
1  李四  30  90
2  王五  35  85
3  赵六  28  95

2. 使用列表删除多个列

# 删除多个列
df_drop_multi = df.drop(['年龄', '成绩'], axis=1)

print(df_drop_multi)

以上代码中，我们使用drop方法删除了DataFrame中的'年龄'和'成绩'两列，并将结果保存在新的DataFrame df_drop_multi中，结果如下：

  姓名 性别
0  张三  男
1  李四  女
2  王五  男
3  赵六  女

3. 直接使用列表索引删除多个列

# 直接使用列表索引删除多个列
df_drop_iat = df[df.columns[[0, 2]]]

print(df_drop_iat)

以上代码中，我们使用DataFrame的columns属性和列表索引的方式删除了DataFrame中的'姓名'和'年龄'两列，并将结果保存在新的DataFrame df_drop_iat中，结果如下：

  姓名  年龄
0  张三  25
1  李四  30
2  王五  35
3  赵六  28

三、通过以上示例，我们学习了在使用Pandas中删除DataFrame中特定列的不同方法和技巧。这些方法的选择取决于实际需求以及个人偏好。

总结：

1. 使用drop方法删除单个或多个列，需要指定axis=1表示删除的是列。
2. 使用列表索引的方式删除多个列，可以直接通过df.columns
rrreee
3. Im obigen Code verwenden wir die Methode drop, um die Spalte „Geschlecht“ im DataFrame zu löschen und speichern Sie das Ergebnis im neuen DataFrame df_drop. axis=1 bedeutet, dass die Spalte gelöscht wird. Das Ergebnis ist wie folgt:
rrreee
Verwenden Sie eine Liste, um mehrere Spalten zu löschen
rrreee🎜Im obigen Code: Wir verwenden dropDie Methode löscht die Spalten „Alter“ und „Klasse“ im DataFrame und speichert die Ergebnisse in einem neuen DataFrame df_drop_multi. Die Ergebnisse sind wie folgt: 🎜rrreee
🎜Verwenden Sie den Listenindex direkt, um mehrere Spalten zu löschen🎜🎜rrreee🎜Im obigen Code verwenden wir das columns-Attribut von DataFrame und den Listenindex, um den „Namen“ und zu löschen 'Alter'-Spalten im DataFrame hinzufügen und das Ergebnis in einem neuen DataFrame df_drop_iat speichern. Das Ergebnis sieht wie folgt aus: 🎜rrreee🎜 3. Durch die obigen Beispiele haben wir verschiedene Methoden und Techniken zum Löschen kennengelernt bestimmte Spalten in DataFrame mit Pandas. Die Wahl dieser Methoden hängt sowohl von den praktischen Bedürfnissen als auch von den persönlichen Vorlieben ab. 🎜🎜Zusammenfassung: 🎜🎜🎜Verwenden Sie die Methode drop, um einzelne oder mehrere Spalten zu löschen. Sie müssen axis=1 angeben, um anzugeben, dass die Spalten gelöscht werden. 🎜🎜Verwenden Sie den Listenindex, um mehrere Spalten zu löschen. Sie können die Spalten, die beibehalten werden müssen, direkt über das Attribut df.columns auswählen. 🎜🎜Beim Löschen einer Spalte wird der ursprüngliche DataFrame nicht geändert, sondern ein neuer DataFrame zurückgegeben. 🎜🎜🎜Durch die flexiblen Abläufe und umfangreichen Funktionen von Pandas können wir die Daten in DataFrame einfach verarbeiten und verwalten, um unterschiedliche Datenanalyse- und -verarbeitungsanforderungen zu erfüllen. 🎜

Das obige ist der detaillierte Inhalt vonDatenverarbeitungstechniken zum Löschen bestimmter Spalten in DataFrame mithilfe von Pandas. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!