Pandas .drop() 方法详解
.drop() 是 Python pandas 库中一个极其常用的函数，主要用于从 DataFrame 或 Series 中删除指定的行或列。
基本语法
df.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
核心参数说明
- labels: 要删除的行或列的标签（名称）。
- axis: 决定删除的方向。
axis=0或'index'：删除行（默认值）。axis=1或'columns'：删除列。
- index: 直接指定要删除的行索引（等同于
labels且axis=0）。 - columns: 直接指定要删除的列名（等同于
labels且axis=1）。 - inplace: 决定是否在原对象上修改。
False：返回一个删除后的新副本，原 DataFrame 不变（默认值）。True：直接修改原 DataFrame，不返回新对象。
- errors: 处理不存在的标签。
'raise'：如果标签不存在，则抛出错误（默认值）。'ignore'：如果标签不存在，则静默忽略。
常见使用场景与代码示例
假设我们有以下 DataFrame：
import pandas as pd
data = {
'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'London', 'Paris'],
'Score': [85, 90, 95]
}
df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])
1 删除列 (Dropping Columns)
方法 A：使用 columns 参数（最直观）
# 删除单列 df_new = df.drop(columns=['Score']) # 删除多列 df_new = df.drop(columns=['Age', 'City'])
方法 B：使用 labels 和 axis=1
df_new = df.drop(['Score'], axis=1)
2 删除行 (Dropping Rows)
方法 A：使用 index 参数
# 删除单行 df_new = df.drop(index='row1') # 删除多行 df_new = df.drop(index=['row1', 'row3'])
方法 B：使用 labels 和 axis=0
df_new = df.drop(['row1'], axis=0)
3 原地修改 (Inplace Modification)
如果你不想创建新变量,而是想直接改变原数据，请使用 inplace=True。
df.drop(columns=['Score'], inplace=True) # df 已经失去了 'Score' 列，无需赋值给新变量
关键注意事项
- 返回值问题：初学者最容易犯的错误是调用
df.drop(...)后发现原数据没变，除非设置inplace=True，否则必须使用df = df.drop(...)来接收返回值。 - 索引匹配：删除行时，必须提供索引标签（Index Label），而不是行号（Integer Position），如果要根据行号删除，请先使用
df.index[n]获取标签，或使用df.iloc切片。 - 性能建议：在处理超大规模数据集时，频繁使用
inplace=True并不总是比赋值更快，建议根据具体内存情况选择。
快速总结表
| 目标 | 推荐写法 | 关键参数 |
|---|---|---|
| 删除列 | df.drop(columns=['列名']) |
axis=1 |
| 删除行 | df.drop(index=['索引名']) |
axis=0 |
| 永久删除 | df.drop(..., inplace=True) |
inplace=True |
| 防止报错 | df.drop(..., errors='ignore') |
errors='ignore' |
首发原创文章，作者：世雄 - 原生数据库架构专家，如若转载，请注明出处：https://idctop.com/article/490022.html
