Heim >Backend-Entwicklung >Python-Tutorial >Wie lösche ich Spalten sicher aus einem Pandas DataFrame?

Wie lösche ich Spalten sicher aus einem Pandas DataFrame?

Mary-Kate Olsen
Mary-Kate OlsenOriginal
2024-12-16 13:57:15413Durchsuche

How to Safely Delete Columns from a Pandas DataFrame?

Löschen einer Spalte aus einem Pandas-DataFrame

Während die Verwendung des Schlüsselworts del im DataFrame selbst (del df.column_name) intuitiv erscheinen mag, Dies ist nicht die empfohlene Methode zum Löschen von Spalten in Pandas. Unerwartete Fehler können auftreten, weil das Schlüsselwort del die gesamte Spalte aus dem DataFrame-Objekt entfernt, nicht nur ihre Werte.

Bevorzugter Ansatz: Verwendung der drop()-Methode

Die Der richtige Weg, eine Spalte aus einem DataFrame zu entfernen, ist die Methode drop(). Es ermöglicht eine präzise Ausrichtung und Kontrolle des Löschvorgangs. Die allgemeine Syntax lautet:

df = df.drop('column_name', axis=1)

wobei 1 die Achsennummer für Spalten darstellt (0 für Zeilen). Dieser Ansatz stellt sicher, dass nur die angegebene Spalte gelöscht wird und die verbleibenden Daten intakt bleiben.

Alternative Syntax: Verwendung des Schlüsselworts columns

Eine alternative Syntax für drop() ist So verwenden Sie das Schlüsselwort columns:

df = df.drop(columns=['column_nameA', 'column_nameB'])

Diese Methode ist besonders nützlich, wenn Sie mehrere löschen Spalten.

In-Place-Änderung

Wenn Sie den ursprünglichen DataFrame direkt ohne Neuzuweisung ändern möchten, verwenden Sie:

df.drop('column_name', axis=1, inplace=True)

Löschen nach Spaltennummer

Um Spalten nach ihrer Position (Nummer) statt nach ihrer Beschriftung zu löschen, verwenden:

df = df.drop(df.columns[[0, 1, 3]], axis=1)  # df.columns is zero-based pd.Index

Textsyntax verwenden

Ähnlich wie das Schlüsselwort columns können Sie auch Textsyntax verwenden, um die zu löschenden Spalten anzugeben:

df.drop(['column_nameA', 'column_nameB'], axis=1, inplace=True)

Das obige ist der detaillierte Inhalt vonWie lösche ich Spalten sicher aus einem Pandas DataFrame?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Stellungnahme:
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn