pandas 中的 drop 方法是很明智的数据清理的方法，它的好处在于：它不改变原有的 df 中的数据，而是返回另一个新的 DataFrame 来存放删除后的数据。
一、drop 的用法
import pandas as pd
import numpy as np
a = list(range(1, 11))
a_reshape = np.array(a).reshape(2, 5).T
b = pd.DataFrame(a_reshape)
print(b)
1. df.drop([row_num], axis=0)：删除 DataFrame 某一行（如果不指定axis，那么默认axis=0）
c = b.drop(0, axis=0)
print(c)
2. df.drop([row_num], axis=1)：删除 DataFrame 某一列
d = b.drop(0, axis=1)
print(d)
（参考：pandas DataFrame行或列的删除方法的实现示例）
二、python 中数据清理的常见方法
1. 删除无效项
（1）df[df.isnull()] 和 df[df.notnull()]：df.isnull() 和 df.notnull() 返回的是一个 true 或 false 的 Series对象，所以这种方式可以筛选出我们需要的特定数据。
（2）df.dropna()：将所有含有 nan 项的 row 删除（默认：axis=0） 。
（3）df.dropna(axis=1, thresh=3)：将在列方向上有三个为 nan 的列删除。
（4）df.dropna(how=’ALL’)：将全部项都是 nan 的 row 删除。
2. 填充空缺项
（1）df.fillna(0)
（2）df.fillna({1:0, 2:0.5})：对第一列 nan 值赋0，第二列赋值 0.5；
（3）df.fillna(method=’ffill’)：在列方向上用前一个值赋值给 nan。
（参考：python进行数据清理之pandas中的drop用法）
Tips：
1. 注意：drop() 方法不改变原有的 df 数据！
b.drop(0, axis=1)
print(b)
Original: https://blog.csdn.net/weixin_40583722/article/details/121033789
Author: Satisfying
Title: 【20211029】【Python】删除 DataFrame 中的某行、某列
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/673954/
转载文章受原作者版权保护。转载请注明原作者出处！