DataFrame.drop(labels=None, *, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise') Series.drop(labels=None, *, index=None, level=None, inplace=False, errors='raise')
labels=None - одиночная метка или список меток индекса или столбца, которые нужно удалить. Кортеж будет использоваться как отдельная метка и не будет рассматриваться как список.axis=0 - ось по которой удаляются метки (0 или index) или столбцов (1 или columns). Для Series.drop() НЕ ИСПОЛЬЗУЕТСЯ.index=None - одиночная метка или список меток индекса. Альтернатива указанию оси axis=0.columns=None - одиночная метка или список меток столбца. Альтернатива указанию оси axis=1. Для Series.drop() НЕ ИСПОЛЬЗУЕТСЯ.level=None - для MultiIndex - уровень, с которого будут удалены метки.inplace=False - если значение равно False, возвратит копию. В противном случае выполнит операцию на месте и вернет None.errors='raise' - Если передана строка 'ignore', то подавляется ошибка и удаляются только существующие метки.DataFrame.drop() возвращает DataFrame с удаленным указанным индексом или метками столбцов или None, если inplace=True.Series.drop() возвращает Series с удаленным указанным индексом или None, если inplace=True.Метод DataFrame.drop() удаляет строки или столбцы, при указании имен меток labels и соответствующей оси axis или напрямую указав имена индексов index или столбцов columns. При использовании MultiIndex метки на разных уровнях можно удалить, указав уровень level.
Метод Series.drop() удаляет элементы Series на основе указания меток индекса labels. При использовании MultiIndex метки на разных уровнях можно удалить, указав уровень level.
Оба метода могут поднять исключение
KeyError
- для
DataFrame- если какая-либо из меток не найдена на выбранной оси.- для
Series- если какая-либо из меток не найдена в индексе.
Метод .drop(), тесно связан с переиндексацией (методом .reindex()). Он удаляет набор меток с оси:
>>> import pandas as pd >>> import numpy as np df = pd.DataFrame( { "one": pd.Series(np.random.randn(3), index=["a", "b", "c"]), "two": pd.Series(np.random.randn(4), index=["a", "b", "c", "d"]), "three": pd.Series(np.random.randn(3), index=["b", "c", "d"]), } ) >>> df # one two three # a 0.187290 0.112780 NaN # b 0.070447 -0.411876 1.009604 # c -0.247133 -0.995807 -1.617450 # d NaN 0.482486 0.502233 >>> df.drop(["a", "d"], axis=0) # one two three # b 0.070447 -0.411876 1.009604 # c -0.247133 -0.995807 -1.617450 >>> df.drop(["one"], axis=1) # two three # a 0.112780 NaN # b -0.411876 1.009604 # c -0.995807 -1.617450 # d 0.482486 0.502233
Обратите внимание, что следующий код также работает, но немного менее очевидно/чисто:
>>> df.reindex(df.index.difference(["a", "d"])) # one two three # b 0.070447 -0.411876 1.009604 # c -0.247133 -0.995807 -1.617450
DataFrame.drop():>>> import pandas as pd >>> import numpy as np >>> df = pd.DataFrame(np.arange(12).reshape(3, 4), columns=['A', 'B', 'C', 'D']) >>> df # A B C D # 0 0 1 2 3 # 1 4 5 6 7 # 2 8 9 10 11
Вариант 1: указываем аргументы - метки labels и ось axis
>>> df.drop(['B', 'C'], axis='columns') # A D # 0 0 3 # 1 4 7 # 2 8 11
Вариант 2: или напрямую указывает столбцы в аргументе columns
>>> df.drop(columns=['B', 'C']) # A D # 0 0 3 # 1 4 7 # 2 8 11
Вариант 1: указываем аргумент - метки строк labels, ось axis по умолчанию равна 0, т.е. строка
>>> df.drop([0, 1]) # A B C D # 2 8 9 10 11
Вариант 2: или напрямую указывает метки строк в аргументе index
>>> df.drop(index=[0, 1]) # A B C D # 2 8 9 10 11
MultiIndex столбцов и/или строк в DataFrame# создаем `MultiIndex` midx = pd.MultiIndex(levels=[['llama', 'cow', 'falcon'], ['speed', 'weight', 'length']], codes=[[0, 0, 0, 1, 1, 1, 2, 2, 2], [0, 1, 2, 0, 1, 2, 0, 1, 2]]) # создаем `DataFrame` на `MultiIndex` df = pd.DataFrame(index=midx, columns=['big', 'small'], data=[[45, 30], [200, 100], [1.5, 1], [30, 20], [250, 150], [1.5, 0.8], [320, 250], [1, 0.8], [0.3, 0.2]]) >>> df # big small # llama speed 45.0 30.0 # weight 200.0 100.0 # length 1.5 1.0 # cow speed 30.0 20.0 # weight 250.0 150.0 # length 1.5 0.8 # falcon speed 320.0 250.0 # weight 1.0 0.8 # length 0.3 0.2
Например, необходимо удалить определенную комбинацию индексов из MultiIndex, т. е. удалим комбинацию индексов falcon и weight, которая удаляет только соответствующую строку.
>>> df.drop(index=('falcon', 'weight')) # big small # llama speed 45.0 30.0 # weight 200.0 100.0 # length 1.5 1.0 # cow speed 30.0 20.0 # weight 250.0 150.0 # length 1.5 0.8 # falcon speed 320.0 250.0 # length 0.3 0.2
Теперь удалим строки с индексом cow и столбец small:
>>> df.drop(index='cow', columns='small') # big # llama speed 45.0 # weight 200.0 # length 1.5 # falcon speed 320.0 # weight 1.0 # length 0.3
И наконец удалим строки с индексом length, который находится на первом уровне:
>>> df.drop(index='length', level=1) # big small # llama speed 45.0 30.0 # weight 200.0 100.0 # cow speed 30.0 20.0 # weight 250.0 150.0 # falcon speed 320.0 250.0 # weight 1.0 0.8
Series.drop():>>> import pandas as pd >>> import numpy as np >>> s = pd.Series(data=np.arange(3), index=['A', 'B', 'C']) >>> s # A 0 # B 1 # C 2 # dtype: int64
Удаление индексных меток строк B и C
>>> s.drop(labels=['B', 'C']) # A 0 # dtype: int64
MultiIndexmidx = pd.MultiIndex(levels=[['llama', 'cow', 'falcon'], ['speed', 'weight', 'length']], codes=[[0, 0, 0, 1, 1, 1, 2, 2, 2], [0, 1, 2, 0, 1, 2, 0, 1, 2]]) s = pd.Series([45, 200, 1.2, 30, 250, 1.5, 320, 1, 0.3], index=midx) >>> s # llama speed 45.0 # weight 200.0 # length 1.2 # cow speed 30.0 # weight 250.0 # length 1.5 # falcon speed 320.0 # weight 1.0 # length 0.3 # dtype: float64
Удаление метки второго уровня в серии с MultiIndex
>>> s.drop(labels='weight', level=1) # llama speed 45.0 # length 1.2 # cow speed 30.0 # length 1.5 # falcon speed 320.0 # length 0.3 # dtype: float64