如何基於 Pandas DataFrame 中的列值刪除行
Asad Riaz
2023年1月30日
2020年3月28日
我們將介紹通過使用 .drop（帶有和不帶有 loc）和布林掩碼檢查列值的條件來基於 DataFrame 刪除行的方法。
用 .drop 方法刪除 Pandas DataFrame 中列值的行
.drop 方法接受一個或一列列名，並刪除行或列。對於行，我們設定引數 axis=0，對於列，我們設定引數 axis=1（預設情況下，axis 為 0）。我們還可以得到 True 和 False 系列列值，根據應用於 Pandas DataFrame 中的條件。
示例程式碼：
# python 3.x
import pandas as pd
fruit_list = [ ('Orange', 34, 'Yes' ) ,
('Mango', 24, 'No' ) ,
('banana', 14, 'No' ) ,
('Apple', 44, 'Yes' ) ,
('Pineapple', 64, 'No') ,
('Kiwi', 84, 'Yes') ]
#Create a DataFrame object
df = pd.DataFrame(fruit_list, columns =
['Name' , 'Price', 'Stock'])
# Get names of indexes for which column Stock has value No
indexNames = df[ df['Stock'] == 'No' ].index
# Delete these row indexes from dataFrame
df.drop(indexNames , inplace=True)
print(df)
輸出：
Name Price Stock
0 Orange 34 Yes
3 Apple 44 Yes
5 Kiwi 84 Yes
我們也可以通過在 df.drop 方法中使用 .loc 來獲得類似的結果。
df.drop(df.loc[df['Stock']=='Yes'].index, inplace=True)
我們還可以基於多個列值刪除行。在上面的示例中，我們可以刪除價格 >=30 和價格 <=70 的行。
示例程式碼：
# python 3.x
import pandas as pd
# List of Tuples
fruit_list = [ ('Orange', 34, 'Yes' ) ,
('Mango', 24, 'No' ) ,
('banana', 14, 'No' ) ,
('Apple', 44, 'Yes' ) ,
('Pineapple', 64, 'No') ,
('Kiwi', 84, 'Yes') ]
#Create a DataFrame object
df = pd.DataFrame(fruit_list, columns =
['Name' , 'Price', 'Stock'])
indexNames = df[ (df['Price'] >= 30)
& (df['Price'] <= 70) ].index
df.drop(indexNames , inplace=True)
print(df)
輸出：
Name Price Stock
1 Mango 24 No
2 banana 14 No
5 Kiwi 84 Yes
價格大於 30 且小於 70 的行已被刪除。
布林遮蔽方法刪除 Pandas DataFrame 中的行
布林遮蔽 boolean masking 是基於列值刪除 Pandas DataFrame 中的行的最好，最簡單的方法。
示例程式碼：
# python 3.x
import pandas as pd
# List of Tuples
fruit_list = [ ('Orange', 34, 'Yes' ) ,
('Mango', 24, 'No' ) ,
('banana', 14, 'No' ) ,
('Apple', 44, 'Yes' ) ,
('Pineapple', 64, 'No') ,
('Kiwi', 84, 'Yes') ]
#Create a DataFrame object
df = pd.DataFrame(fruit_list, columns =
['Name' , 'Price', 'Stock'])
print(df[df.Price > 40])
print('............................')
print(df[(df.Price > 40) & (df.Stock== 'Yes')])
輸出：
Name Price Stock
3 Apple 44 Yes
4 Pineapple 64 No
5 Kiwi 84 Yes
............................
Name Price Stock
3 Apple 44 Yes
5 Kiwi 84 Yes