Python Pandas 删除列操作

使用del和drop方法删除DataFrame中的列,使用drop方法一次删除多列

数据准备:

import pandas as pd
 
data = pd.read_excel(r'销售数据.xlsx')
print(data) 

如下数据:

日期  销售     销售额     备注     毛利    客户  数量
0 2022-03-14  张三   87000  分两次转账   8000  北京维尼   1
1 2022-03-15  李四  100000     挂账  22000  北京威哥   1
2 2022-03-16  王伟    6800     挂账   1000  北京海涛   1
3 2022-03-17  王平   70000     现金   5000  北京隆功   1
4 2022-03-18  大铭   70000     现金   5000  北京隆功   1

使用del, 一次只能删除一列,不能一次删除多列:

import pandas as pd
 
data = pd.read_excel(r'销售数据.xlsx')
print(data)
 
# 使用del, 一次只能删除一列,不能一次删除多列
 
# 只能使用 del df['备注'], 不能使用 del df[['备注', '客户']]
 
del data['备注']
print(data)

结果:

D:\Python310\python.exe C:/Users/Administrator/Desktop/测试代码.py
          日期  销售     销售额     备注     毛利    客户  数量
0 2022-03-14  张三   87000  分两次转账   8000  北京维尼   1
1 2022-03-15  李四  100000     挂账  22000  北京威哥   1
2 2022-03-16  王伟    6800     挂账   1000  北京海涛   1
3 2022-03-17  王平   70000     现金   5000  北京隆功   1
4 2022-03-18  大铭   70000     现金   5000  北京隆功   1
          日期  销售     销售额     毛利    客户  数量
0 2022-03-14  张三   87000   8000  北京维尼   1
1 2022-03-15  李四  100000  22000  北京威哥   1
2 2022-03-16  王伟    6800   1000  北京海涛   1
3 2022-03-17  王平   70000   5000  北京隆功   1
4 2022-03-18  大铭   70000   5000  北京隆功   1
 
进程已结束,退出代码0

使用drop:

import pandas as pd
 
data = pd.read_excel(r'销售数据.xlsx')
print(data)
 
 
# 使用drop
#
data = data.drop(['备注', '客户'], axis=1, inplace=False)  # axis=1 表示删除列,['备注', '客户'] 要删除的col的列表,可一次删除多列    # inplace=True, 直接从内部删除
print(data)

结果: 

D:\Python310\python.exe C:/Users/Administrator/Desktop/测试代码.py
          日期  销售     销售额     备注     毛利    客户  数量
0 2022-03-14  张三   87000  分两次转账   8000  北京维尼   1
1 2022-03-15  李四  100000     挂账  22000  北京威哥   1
2 2022-03-16  王伟    6800     挂账   1000  北京海涛   1
3 2022-03-17  王平   70000     现金   5000  北京隆功   1
4 2022-03-18  大铭   70000     现金   5000  北京隆功   1
          日期  销售     销售额     毛利  数量
0 2022-03-14  张三   87000   8000   1
1 2022-03-15  李四  100000  22000   1
2 2022-03-16  王伟    6800   1000   1
3 2022-03-17  王平   70000   5000   1
4 2022-03-18  大铭   70000   5000   1
 
进程已结束,退出代码0

到此这篇关于Python Pandas 删除列操作的文章就介绍到这了,更多相关Pandas 删除列内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • Python Pandas 对列/行进行选择,增加,删除操作

    一.列操作 1.1 选择列 d = {'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']), 'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])} df = pd.DataFrame(d) print (df ['one']) # 选择其中一列进行显示,列长度为最长列的长度 # 除了 index 和 数据,还会显示 列表头名,和 数据 类型 运行结果: a    1.0 b   

  • Python中pandas dataframe删除一行或一列:drop函数详解

    用法:DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False) 在这里默认:axis=0,指删除index,因此删除columns时要指定axis=1: inplace=False,默认该删除操作不改变原数据,而是返回一个执行删除操作后的新dataframe: inplace=True,则会直接在原数据上进行删除操作,删除后就回不来了. 例子: >>>df = pd.DataFrame(np.a

  • Python pandas删除指定行/列数据的方法实例

    目录 1.滤除缺失数据dropna() 1)滤除含有NaN值的所有行 2)滤除含有NaN值的所有列 3)滤除元素都是NaN值的行 4)滤除元素都是NaN值的列 5)滤除指定列中含有缺失的行 2.删除重复值 drop_duplicates() 1)keep=“first” 2)keep=“last” 3)keep=False 4)删除指定列中重复项对应的行 3.根据指定条件删除行列drop() 1).删除指定列 2).删除指定行 总结 1.滤除缺失数据dropna() import pandas

  • Python Pandas 删除列操作

    使用del和drop方法删除DataFrame中的列,使用drop方法一次删除多列 数据准备: import pandas as pd   data = pd.read_excel(r'销售数据.xlsx') print(data)  如下数据: 日期  销售     销售额     备注     毛利    客户  数量0 2022-03-14  张三   87000  分两次转账   8000  北京维尼   11 2022-03-15  李四  100000     挂账  22000  

  • Python pandas DataFrame操作的实现代码

    1. 从字典创建Dataframe >>> import pandas as pd >>> dict1 = {'col1':[1,2,5,7],'col2':['a','b','c','d']} >>> df = pd.DataFrame(dict1) >>> df col1 col2 0 1 a 1 2 b 2 5 c 3 7 d 2. 从列表创建Dataframe (先把列表转化为字典,再把字典转化为DataFrame) >

  • Python Pandas基础操作详解

    目录 数据结构&Series: DataFrame的构建: 索引操作: DataFrame基本操作: 广播运算: 索引增删改查: 字符串元素处理: 数据规整: 总结 数据结构&Series: ''' series {索引 + 数据} 形式 索引是自动生成的 ''' #通过 list 创建 s1 = pd.Series([1, 2, 3, 4, 5]) #通过np数组创建 arr1 = np.arange(10) s2 = pd.Series(arr1) #自定义索引 s2 = pd.Ser

  • Python数据分析之pandas比较操作

    一.比较运算符和比较方法 比较运算符用于判断是否相等和比较大小,Python中的比较运算符有==.!=.<.>.<=.>=六个,Pandas中也一样. 在Pandas中,DataFrame和Series还支持6个比较方法,详见下表. 方法 英文全称 用途 eq equal to 等于 ne not equal to 不等于 lt less than 小于 gt greater than 大于 le less than or equal to 小于等于 ge greater than

  • Python Pandas学习之基本数据操作详解

    目录 1索引操作 1.1直接使用行列索引(先列后行) 1.2结合loc或者iloc使用索引 1.3使用ix组合索引 2赋值操作 3排序 3.1DataFrame排序 3.2Series排序 为了更好的理解这些基本操作,下面会通过读取一个股票数据,来进行Pandas基本数据操作的语法介绍. # 读取文件(读取保存文件后面会专门进行讲解,这里先直接调用下api) data = pd.read_csv("./data/stock_day.csv")  # 读取当前目录下一个csv文件 # 删

  • Python Pandas数据处理高频操作详解

    目录 引入依赖 算法相关依赖 获取数据 生成df 重命名列 增加列 缺失值处理 独热编码 替换值 删除列 数据筛选 差值计算 数据修改 时间格式转换 设置索引列 折线图 散点图 柱状图 热力图 66个最常用的pandas数据分析函数 从各种不同的来源和格式导入数据 导出数据 创建测试对象 查看.检查数据 数据选取 数据清理 筛选,排序和分组依据 数据合并 数据统计 16个函数,用于数据清洗 1.cat函数 2.contains 3.startswith/endswith 4.count 5.ge

  • 用Python的pandas框架操作Excel文件中的数据教程

    引言 本文的目的,是向您展示如何使用pandas来执行一些常见的Excel任务.有些例子比较琐碎,但我觉得展示这些简单的东西与那些你可以在其他地方找到的复杂功能同等重要.作为额外的福利,我将会进行一些模糊字符串匹配,以此来展示一些小花样,以及展示pandas是如何利用完整的Python模块系统去做一些在Python中是简单,但在Excel中却很复杂的事情的. 有道理吧?让我们开始吧. 为某行添加求和项 我要介绍的第一项任务是把某几列相加然后添加一个总和栏. 首先我们将excel 数据 导入到pa

  • python pandas中DataFrame类型数据操作函数的方法

    python数据分析工具pandas中DataFrame和Series作为主要的数据结构. 本文主要是介绍如何对DataFrame数据进行操作并结合一个实例测试操作函数. 1)查看DataFrame数据及属性 df_obj = DataFrame() #创建DataFrame对象 df_obj.dtypes #查看各行的数据格式 df_obj['列名'].astype(int)#转换某列的数据类型 df_obj.head() #查看前几行的数据,默认前5行 df_obj.tail() #查看后几

  • python pandas库中DataFrame对行和列的操作实例讲解

    用pandas中的DataFrame时选取行或列: import numpy as np import pandas as pd from pandas import Sereis, DataFrame ser = Series(np.arange(3.)) data = DataFrame(np.arange(16).reshape(4,4),index=list('abcd'),columns=list('wxyz')) data['w'] #选择表格中的'w'列,使用类字典属性,返回的是S

随机推荐