在python中進(jìn)行數(shù)據(jù)處理，經(jīng)常會(huì)遇到有些元素內(nèi)容是不需要的。需要進(jìn)行刪除或者替換。本篇就詳細(xì)探討一下各種數(shù)據(jù)類型(series,dataframe)下的刪除方法

隨機(jī)創(chuàng)建一個(gè)DataFrame數(shù)據(jù)

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(shù)刪除不需要的列部分元素，適合大批量：

S數(shù)據(jù)類型直接使用isin會(huì)選出該列包含的指定內(nèi)容，我們的需求是刪除指定內(nèi)容就需要用到isin的反函數(shù)。但是python目前沒有類似isnotin這種函數(shù)，所以我們需要使用-號(hào)來(lái)實(shí)現(xiàn)isnotin的方法

!=比較運(yùn)算符方式，適合少量或者用作與同時(shí)滿足a條件與b條件的情況

isin:

Series的場(chǎng)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(chǎng)景：

print(data[-data.isin([1,2])])#按Series邏輯操作df發(fā)現(xiàn)會(huì)出現(xiàn)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(gè)dropna刪除空值就好了>>>a b c1 9.0 9.0 5.0

！=比較運(yùn)算符：

Series的場(chǎng)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(chǎng)景：

分別刪除a與b不同條件的數(shù)據(jù)

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(gè)或多個(gè)內(nèi)容實(shí)例就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持好吧啦網(wǎng)。