Question

我认为这应该很简单，但我尝试了一些想法，但没有一个有效：

last_row = len(DF)
DF = DF.drop(DF.index[last_row])  #<-- fail!

我尝试使用负数指数，但这也会导致错误。我仍然必须误解一些基本的东西。

提前致谢。

Answer 1

删除最后n行：

df.drop(df.tail(n).index,inplace=True) # drop last n rows

同样，您可以先删除n行：

df.drop(df.head(n).index,inplace=True) # drop first n rows

Answer 2

由于Python中的索引定位是基于0的，因此实际上在index的{{1}}对应len(DF)的位置实际上不是一个元素。您需要last_row = len(DF) - 1：

In [49]: dfrm
Out[49]: 
          A         B         C
0  0.120064  0.785538  0.465853
1  0.431655  0.436866  0.640136
2  0.445904  0.311565  0.934073
3  0.981609  0.695210  0.911697
4  0.008632  0.629269  0.226454
5  0.577577  0.467475  0.510031
6  0.580909  0.232846  0.271254
7  0.696596  0.362825  0.556433
8  0.738912  0.932779  0.029723
9  0.834706  0.002989  0.333436

[10 rows x 3 columns]

In [50]: dfrm.drop(dfrm.index[len(dfrm)-1])
Out[50]: 
          A         B         C
0  0.120064  0.785538  0.465853
1  0.431655  0.436866  0.640136
2  0.445904  0.311565  0.934073
3  0.981609  0.695210  0.911697
4  0.008632  0.629269  0.226454
5  0.577577  0.467475  0.510031
6  0.580909  0.232846  0.271254
7  0.696596  0.362825  0.556433
8  0.738912  0.932779  0.029723

[9 rows x 3 columns]

但是，只需编写DF[:-1]就可以了。

Answer 3

惊讶的是没有人提出这一点：

# To remove last n rows
df.head(-n)

# To remove first n rows
df.tail(-n)

在1000行的DataFrame上进行速度测试表明，切片和head / tail的速度比使用drop快约6倍：

>>> %timeit df[:-1]
125 µs ± 132 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

>>> %timeit df.head(-1)
129 µs ± 1.18 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

>>> %timeit df.drop(df.tail(1).index)
751 µs ± 20.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Answer 4

stats = pd.read_csv（“ C：\ py \ programs \ second pandas \ ex.csv”）

统计信息（输出）

       A            B          C
0   0.120064    0.785538    0.465853
1   0.431655    0.436866    0.640136
2   0.445904    0.311565    0.934073
3   0.981609    0.695210    0.911697
4   0.008632    0.629269    0.226454
5   0.577577    0.467475    0.510031
6   0.580909    0.232846    0.271254
7   0.696596    0.362825    0.556433
8   0.738912    0.932779    0.029723
9   0.834706    0.002989    0.333436

只需使用skipfooter = 1

skipfooter：整数，默认为0

要跳过的文件底部的行数

stats_2 = pd.read_csv("C:\\py\\programs\\second pandas\\ex.csv", skipfooter=1, engine='python')

stats_2（输出）

       A          B            C
0   0.120064    0.785538    0.465853
1   0.431655    0.436866    0.640136
2   0.445904    0.311565    0.934073
3   0.981609    0.695210    0.911697
4   0.008632    0.629269    0.226454
5   0.577577    0.467475    0.510031
6   0.580909    0.232846    0.271254
7   0.696596    0.362825    0.556433
8   0.738912    0.932779    0.029723

Answer 5

drop返回一个新数组，这就是为什么它在og post中阻塞的原因；由于将格式不正确的csv文件转换为Dataframe，我对重命名某些列标题和删除某些行有类似的要求，因此在阅读本文后，我使用了：

newList = pd.DataFrame(newList)
newList.columns = ['Area', 'Price']
print(newList)
# newList = newList.drop(0)
# newList = newList.drop(len(newList))
newList = newList[1:-1]
print(newList)

效果很好，正如您在上面两行注释中看到的那样，我尝试了drop。（）方法，它可以工作，但不像使用[n：-n]那样简单易懂，希望能对某人有所帮助，谢谢。

Answer 6

只需使用索引

df.iloc[:-1,:]

这就是iloc存在的原因。您也可以使用头或尾。

Answer 7

对于具有多索引（例如“股票”和“日期”）且希望删除每个股票的最后一行而不只是最后一个股票的最后一行的更复杂的数据框，解决方案显示为： / p>

# To remove last n rows
df = df.groupby(level='Stock').apply(lambda x: x.head(-1)).reset_index(0, drop=True)

# To remove first n rows
df = df.groupby(level='Stock').apply(lambda x: x.tail(-1)).reset_index(0, drop=True)

当groupby()向Multi-Index添加一个附加级别时，我们仅在末尾使用reset_index()将其删除。生成的df与操作前保持相同的Multi-Index类型。

Answer 8

你知道吗，你只需要在第一行给出 -1，就像这样

last_row = len(DF) - 1
DF = DF.drop(DF.index[last_row])

Answer 9

我发现的最好的解决方案是（不一定？）完全复制

df.drop(df.index[-1], inplace=True)

当然，你可以简单地省略 inplace=True 来创建一个新的数据框，你也可以通过简单地获取 df.index 切片（df.index[-N:] 删除最后 N 行）来轻松删除最后 N 行.所以这种方式不仅简洁而且非常灵活。

如何删除pandas数据帧的最后一行数据

9 个答案: