如何基於 Pandas DataFrame 中的列值刪除行
Asad Riaz
2023年1月30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