在進行特徵工程、分割資料集的工作中，drop()函數都能派上用場。它可以輕鬆剔除資料、操作列和操作行等。
drop()詳細的語法如下：
刪除行是index，刪除欄位是columns：
DataFrame.drop(labels=None, axis=0, index=None, columns=None, inplace=False)
參數：
labels：要刪除的行或列的標籤，可以是單一標籤，也可以是標籤清單。
axis：要刪除的行或列的軸，0表示行，1表示列。
index：要刪除的行的索引，可以是單一索引，也可以是索引清單。
columns：要刪除的欄位的列名，可以是單一列名，也可以是列名清單。
inplace：是否在原DataFrame上進行操作，預設為False，即不在原始DataFrame上進行操作。
使用場景1：刪除不需要的特徵。
例如：有些特徵對結果的影響不大，就可以把與因變數不相關的自變數刪掉；為了避免多重共線性，要把有強相關關係的自變數刪掉。
df = data.drop(data[['RowNumber','CustomerId','Surname']],axis=1) df
程式碼講解：
data是資料集，兩個中括號代表DataFrame格式，裡面篩選了3個要刪除的欄位；
axis=1代表操作列；
執行結果：
使用場景2：把因變數刪除
# 自变量、因变量 x_data = df.drop(['Exited'],axis=1) y_data = df['Exited'] x_data
程式碼講解：
drop()函數裡面填入要刪除的字段，表示從df中刪除名為「Exited」的列；
['Exited']這一個字段是我們要剔除的因變量，單一字段可以這樣表示；
運行結果：
使用場景3：在分割資料集的時候，產生了訓練集，把被分到訓練集的樣本剔除掉，剩下的就是測試集了。
#划分训练集 train_data = data.sample(frac = 0.8, random_state = 0) #测试集 test_data = data.drop(train_data.index)
程式碼講解：
drop()函數裡面填行索引可以刪除掉行；
train_data是我們分割好的訓練集，train_data.index表示行索引;
axis=0，表示的是刪除行，也可以不寫，是預設值；
以上是Python drop()刪除行列的操作方法有哪些的詳細內容。更多資訊請關注PHP中文網其他相關文章！
