在python中進行數據處理，經常會遇到有些元素內容是不需要的。需要進行刪除或者替換。本篇就詳細探討一下各種數據類型(series,dataframe)下的刪除方法

隨機創建一個DataFrame數據

import pandas as pdimport numpy as npdata=pd.DataFrame(np.random.randint(10,size=(5,3)),columns=[’a’,’b’,’c’])>>> a b c0 3 8 21 9 9 52 4 5 13 2 7 54 1 2 8

Series：

isin反函數刪除不需要的列部分元素，適合大批量：

S數據類型直接使用isin會選出該列包含的指定內容，我們的需求是刪除指定內容就需要用到isin的反函數。但是python目前沒有類似isnotin這種函數，所以我們需要使用-號來實現isnotin的方法

!=比較運算符方式，適合少量或者用作與同時滿足a條件與b條件的情況

isin:

Series的場景

print(data[’c’][data[’c’].isin([1])])>>>2 1Name: c, dtype: int64print(data[’c’][-data[’c’].isin([1])])>>>0 21 53 54 8Name: c, dtype: int64print(data[’c’][-data[’c’].isin([1,2])])>>>1 53 54 8Name: c, dtype: int64

DataFrame場景：

print(data[-data.isin([1,2])])#按Series邏輯操作df發現會出現NAN并沒有刪除掉>>> a b c0 3.0 8.0 NaN1 9.0 9.0 5.02 4.0 5.0 NaN3 NaN 7.0 5.04 NaN NaN 8.0print(data[-data.isin([1,2])].dropna())#我們只需要再加一個dropna刪除空值就好了>>>a b c1 9.0 9.0 5.0

！=比較運算符：

Series的場景:

print(data[’c’][data[’c’]!=1])>>>0 21 53 54 8Name: c, dtype: int64print(data[’c’][(data[’c’]!=1)&((data[’c’]!=2))])>>>1 53 54 8Name: c, dtype: int64

DataFrame場景：

分別刪除a與b不同條件的數據

print(data[(data[’a’]!=1)&(data[’c’]!=2)]>>> a b c1 9 9 52 4 5 13 2 7 5print(data[(data!=1)&(data!=2)].dropna()) #與isin原理相同 a b c1 9.0 9.0 5.0

以上這篇python刪除指定列或多列單個或多個內容實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。