Pandas.DataFrame.drop() 删除行或列 详解 含代码 含测试数据集 随Pandas版本持续更新

关于Pandas版本： 本文基于 pandas2.1.2 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

Pandas稳定版更新及变动内容整合专题： Pandas稳定版更新及变动迭持续更新。

Pandas API参考所有内容目录

Pandas.DataFrame.drop()

Pandas.DataFrame.drop 用于删除行或列。

• 使用列名(labels)删除列；
• 使用行索引(index) 删除行。

语法：

DataFrame.drop(labels=None, *, axis=0, index=None, columns=None, level=None, inplace=False, errors=‘raise’)

返回值：

• DataFrame or None

  返回值是一个新的 DataFrame，其中删除了指定的行或列，或者如果 inplace=True 则返回 None 。

参数说明：

labels 指定要删除行或列

• labels : *single label or list-like ^例1

  labels 参数用于指定要删除的列，或要删除的行：

  • single label： 删除单行或列，就使用单个列名或索引； ^例1-2
  • list-like： 删除多行或多列，就使用类似列表，传递多个行索引或列名构成的类似列表。^例1-3

  ?? 注意 :

  元组(tuble) 不再被理解为 list-like ，因为它有特殊用途，多层索引，需要用元组传递行索引或列名！^例1-4

axis 指定删除方向（行或列）

• axis : {0 or ‘index’, 1 or ‘columns’}, default 0

  axis 参数用于指定删除行，或是删除列：

  • 0 或 ‘index’ ： 删除行；
  • 1 or ‘columns’： 删除列。

index & columns 定向删除行或列

• index : single label or list-like

• columns : single label or list-like

  index 参数，用于指定要删除的行。 (index=labels 等效于 labels, axis=0)。

  columns 参数，用于指定要删除的列。(columns=labels 等效于 labels, axis=1)。

  index 参数和 columns 参数主要用于同时删除行、列的情况。^例2

  • single label： 删除单行或列，就使用单个列名或索引；
  • list-like： 删除多行或多列，就使用类似列表，传递多个行索引或列名构成的类似列表。

  ?? 注意 :

  元组(tuble) 不再被理解为 list-like ，因为它有特殊用途，多层索引，需要用元组传递行索引或列名！

  index 参数 columns 参数 二者均不能和axis参数混用

level 指定多层索引层级

• level : int or level name, optional

  level 参数用于指定多层索引的层级。^例3

  • int： 层级的整数编号；
  • level name： 层级名称。

  ?? 注意 :

  这个参数，旨在弥补当有多层索引时 labels 参数传递元组会很麻烦尴尬。^例3-1

  如果指定的层级里，labels 参数指定的列名或索引出现了多次，所有匹配的都会被删除。

多层索引的名字和层级编号

inplace 原地生效（是否在原始数据里直接修改）

• inplace : bool, default False

  inplace 参数用于指定是否在原数据里直接删除行或列,默认 inplace=False：

  • True ： 在原数据里直接修改，并返回 None ；
  • False： 创建一个数据副本，并在此副本里删除行或列，不会影响原数据。

errors 原地生效（是否在原始数据里直接修改）

• errors : {‘ignore’, ‘raise’}, default ‘raise’

  errors 参数用于控制当发生错误时，是否报告错误内容，默认 errors= ‘raise’ 表示会中止当前操作并报告错误内容。：

  • ‘ignore’： 忽略，不报告错误；
  • ‘raise’： 停止操作，并报告错误内容。

Raises:

如果没有找到你传递的行索引、列名，会停中止当前操作，并引发 KeyError 。

相关方法：

?? 相关方法

---

• DataFrame.loc

  筛选数据-标签法

• DataFrame.dropna

  Return DataFrame with labels on given axis omitted where (all or any) data are missing.

• DataFrame.drop_duplicates

  Return DataFrame with duplicate rows removed, optionally only considering certain columns.

• Series.drop

  Return Series with specified index labels removed.

示例：

测试文件下载：

本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。

若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。

测试文件下载位置

例1：删除单个或多个行、列，labels 参数的传参方法

• 例1-1、构建演示数据，并观察

import pandas as pd

# 构建演示数据
idx = pd.Index(["一", "二", "三"], name="行索引 ↓")
idx_labels = pd.Index(["A", "B", "C"], name="列名 →")
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
df = pd.DataFrame(data, index=idx, columns=idx_labels)

# 观察演示数据
df

列名 →	A	B	C
行索引 ↓
一	1	2	3
二	4	5	6
三	7	8	9

• 例1-2、删除单个行、列

删除单个行，就指定单个行索引，删除单个列，就指定单个列名。注意，axis 参数会影响删除方向，默认 axis=0 表示删除行：

# 删除单个行
df.drop("一")
# ...   列名 →	A	B	C
# ... 行索引 ↓
# ...      二	4	5	6
# ...      三	7	8	9


# 删除单个列，注意修改axis参数
df.drop("A", axis=1)
# ...   列名 →	B	C
# ... 行索引 ↓
# ...      一	2	3
# ...      二	5	6
# ...      三	8	9

• 例1-3、删除多个行、多个列，可以用类似列表传递多个行索引、或多个列名。

# 删除多个行
df.drop(["一", "二"])
# ...   列名 →	A	B	C
# ... 行索引 ↓
# ...      三	7	8	9

# 删除多个列
# df.drop(["A", "B"], axis=1)
# ...   列名 →	C
# ... 行索引 ↓
# ...      一	3
# ...      二	6
# ...      三	9

• 例1-4、多层索引删除行、列，需要传递从最顶层到最底层索引 的 行索引或列名 构成的 元组：

先构建一个多层索引的 DataFrame:

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]],
)
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

以删除 llama speed 这一行为例：

df.drop(("llama", "speed"))

		big	small
llama	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

import pandas as pd

# 构建演示数据
idx = pd.Index(["一", "二", "三"], name="行索引 ↓")
idx_labels = pd.Index(["A", "B", "C"], name="列名 →")
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
df = pd.DataFrame(data, index=idx, columns=idx_labels)

# 观察演示数据
df.drop(index="一", axis=1)

列名 →	A	B	C
行索引 ↓
二	4	5	6
三	7	8	9

例2：使用 index columns 参数，可以实现同时对行和列进行删除：

import pandas as pd

# 构建演示数据
idx = pd.Index(["一", "二", "三"], name="行索引 ↓")
idx_labels = pd.Index(["A", "B", "C"], name="列名 →")
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
df = pd.DataFrame(data, index=idx, columns=idx_labels)

# 同时删除 行二，B列和C列
df.drop(index="二", columns=["B", "C"])

列名 →	A
行索引 ↓
一	1
三	7

例3：使用 level参数，可以实现同时删除多个目标

• 例3-1、构建演示数据

import numpy as np
import pandas as pd

# 创建示例数据
data = np.random.randn(4, 4)
rows = pd.MultiIndex.from_product(
    [["A", "B"], ["X", "Y"]], names=["0 层行索引(顶层)", "1 层行索引(底层)"]
)
columns1 = pd.MultiIndex.from_tuples(
    [
        ("0-1", "1-1", "2-1"),
        ("0-2", "1-2", "2-2"),
        ("0-3", "1-2", "2-3"),
        ("0-4", "1-4", "2-4"),
    ],
    names=["0 层列名(顶层)", "1 层列名", "2 层列名(底层)"],
)


# 创建 DataFrame
df = pd.DataFrame(data, index=rows, columns=columns1)

# 打印 DataFrame
df

	0 层列名(顶层)	0-1	0-2	0-3	0-4
	1 层列名	1-1	1-2	1-2	1-4
	2 层列名(底层)	2-1	2-2	2-3	2-4
0 层行索引(顶层)	1 层行索引(底层)
A	X	-0.612242	-1.386309	1.200706	-0.435893
	Y	2.912622	-0.444368	0.340908	1.159878
B	X	0.553297	-0.003906	-0.944363	-0.515691
	Y	0.482624	-0.488962	-0.112784	-0.366956

• 例3-2、删除索引为X的如果使用元组传递给 labels 或 index 参数，都会很麻烦，例如我要删除 1层 索引所有是 X 的行：

df.drop(index=[("A", "X"), ("B", "X")])  # 等效于df.drop(labels=[('A','X'),('B','X')], axis=0)

	0 层列名(顶层)	0-1	0-2	0-3	0-4
	1 层列名	1-1	1-2	1-2	1-4
	2 层列名(底层)	2-1	2-2	2-3	2-4
0 层行索引(顶层)	1 层行索引(底层)
A	Y	2.912622	-0.444368	0.340908	1.159878
B	Y	0.482624	-0.488962	-0.112784	-0.366956

• 例3-3、使用 level参数，可以实现同时删除 1层 索引所有是 X 的行，就很方便：

df.drop(index='X',level=1)

	0 层列名(顶层)	0-1	0-2	0-3	0-4
	1 层列名	1-1	1-2	1-2	1-4
	2 层列名(底层)	2-1	2-2	2-3	2-4
0 层行索引(顶层)	1 层行索引(底层)
A	Y	2.912622	-0.444368	0.340908	1.159878
B	Y	0.482624	-0.488962	-0.112784	-0.366956