Question

关注此post后，我尝试将其从数据框中删除两列：

import pandas as pd
from io import StringIO

A_csv = """cases,population,country,year,type,count
745,19987071,Afghanistan,1999,population,19987071
2666,20595360,Afghanistan,2000,population,20595360
37737,172006362,Brazil,1999,population,172006362
80488,174504898,Brazil,2000,population,174504898
212258,1272915272,China,1999,population,1272915272
213766,1280428583,China,2000,population,1280428583"""

with StringIO(A_csv) as fp:
    A = pd.read_csv(fp)
print(A)
print()
dropcols = ["type", "count"]

A = A.drop(dropcols, axis = 1, inplace = True)
print(A)

结果

      cases  population      country  year        type       count
0     745    19987071  Afghanistan  1999  population    19987071
1    2666    20595360  Afghanistan  2000  population    20595360
2   37737   172006362       Brazil  1999  population   172006362
3   80488   174504898       Brazil  2000  population   174504898
4  212258  1272915272        China  1999  population  1272915272
5  213766  1280428583        China  2000  population  1280428583

None

有什么东西可以逃避我吗？

Answer 1

_{评论中提到了这些解决方案。我只是在这篇文章中充实它们。}

使用drop时，请注意您拥有的两个选项。

其中一个是放弃inplace。完成此操作后，将对数据框进行操作，并对原始进行更改。这意味着这就足够了。

A.drop(dropcols, axis=1, inplace=1) A cases population country year 0 745 19987071 Afghanistan 1999 1 2666 20595360 Afghanistan 2000 2 37737 172006362 Brazil 1999 3 80488 174504898 Brazil 2000 4 212258 1272915272 China 1999 5 213766 1280428583 China 2000

由df.drop documentation指定：

inplace：bool，默认False

如果True，请在此处进行操作并返回无。

请注意，当在地方调用drop时，它会返回None（这是任何不返回值的函数的默认值），并且A已经更新

另一种选择是删除，但返回一份副本。这意味着原件未被修改。所以，你现在可以做到：

B = A.drop(dropcols, axis=1) B cases population country year 0 745 19987071 Afghanistan 1999 1 2666 20595360 Afghanistan 2000 2 37737 172006362 Brazil 1999 3 80488 174504898 Brazil 2000 4 212258 1272915272 China 1999 5 213766 1280428583 China 2000 A cases population country year type count 0 745 19987071 Afghanistan 1999 population 19987071 1 2666 20595360 Afghanistan 2000 population 20595360 2 37737 172006362 Brazil 1999 population 172006362 3 80488 174504898 Brazil 2000 population 174504898 4 212258 1272915272 China 1999 population 1272915272 5 213766 1280428583 China 2000 population 1280428583

B和A分别存在的位置。

请注意，您没有保存使用inplace的任何内存 - 两种方法都会创建副本。但是，在前一种情况下，在场景后面进行复制，并将更改添加回原始对象。

为什么使用df.drop删除列会丢弃整个数据帧？

1 个答案: