在python中進行資料處理，經常會遇到有些元素內容是不需要的。需要進行刪除或者替換。本篇就詳細探討一下各種資料型別(series,dataframe)下的刪除方法

隨機建立一個DataFrame資料

import pandas as pd
import numpy as np
data=pd.DataFrame(np.random.randint(10,size=(5,3)),columns=['a','b','c'])
>>>
 a b c
0 3 8 2
1 9 9 5
2 4 5 1
3 2 7 5
4 1 2 8

Series：

isin反函式刪除不需要的列部分元素，適合大批量：

S資料型別直接使用isin會選出該列包含的指定內容，我們的需求是刪除指定內容就需要用到isin的反函式。但是python目前沒有類似isnotin這種函式，所以我們需要使用-號來實現isnotin的方法

!=比較運算子方式，適合少量或者用作與同時滿足a條件與b條件的情況

isin:

Series的場景

print(data['c'][data['c'].isin([1])])
>>>
2 1
Name: c,dtype: int64

print(data['c'][-data['c'].isin([1])])
>>>
0 2
1 5
3 5
4 8
Name: c,dtype: int64

print(data['c'][-data['c'].isin([1,2])])
>>>
1 5
3 5
4 8
Name: c,dtype: int64

DataFrame場景：

print(data[-data.isin([1,2])])#按Series邏輯操作df發現會出現NAN並沒有刪除掉
>>>
 a b c
0 3.0 8.0 NaN
1 9.0 9.0 5.0
2 4.0 5.0 NaN
3 NaN 7.0 5.0
4 NaN NaN 8.0
print(data[-data.isin([1,2])].dropna())#我們只需要再加一個dropna刪除空值就好了
>>>
a b c
1 9.0 9.0 5.0

！=比較運算子：

Series的場景:

print(data['c'][data['c']!=1])
>>>
0 2
1 5
3 5
4 8
Name: c,dtype: int64

print(data['c'][(data['c']!=1)&((data['c']!=2))])
>>>
1 5
3 5
4 8
Name: c,dtype: int64

DataFrame場景：

分別刪除a與b不同條件的資料

print(data[(data['a']!=1)&(data['c']!=2)]
>>>
 a b c
1 9 9 5
2 4 5 1
3 2 7 5

print(data[(data!=1)&(data!=2)].dropna()) #與isin原理相同
 a b c
1 9.0 9.0 5.0

以上這篇python刪除指定列或多列單個或多個內容例項就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。