dataframe中删除不满足条件的整行数据

在 Pandas 中，可以使用 `df[condition]` 或 `df.loc[condition]` 来筛选出满足条件的行，再赋值给原来的 DataFrame。

例如，删除 age 列小于 30 的行：

df = df[df.age >= 30]

或

df = df.loc[df.age >= 30]

也可以使用 drop()

df = df.drop(df[df.age < 30].index, axis=0)

在上面的示例中，`df.age >= 30` 是条件，它会返回一个布尔值的 DataFrame，只有满足条件的行为 True，其余行为 False。然后将这个布尔值 DataFrame 与原来的 DataFrame 相乘，就会得到筛选出来的结果。

相关问题

dataframe中删除整行

可以使用Pandas中的drop()函数来删除整行。

示例:

df = df.drop(index=2) # 删除第2行
df = df.drop(index=[1,3]) # 删除第1行和第3行

也可以使用标签或布尔索引来删除整行:

df = df[df.column_name != 'value']
df = df[~df.column_name.isin(['value1','value2'])]

注意：如果直接在原DataFrame上删除整行，那么会对原DataFrame进行修改，如果想要保留原数据，可以赋值给新的DataFrame.

删除pandas.core.frame.DataFrame中已知行索引值的整行数据

你可以使用 `drop` 方法来删除已知行索引值的整行数据，例如：

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['row1', 'row2', 'row3'])

# 删除行索引值为 'row2' 的整行数据
df = df.drop('row2')

print(df)

输出结果为：

      A  B  C
row1  1  4  7
row3  3  6  9

在这个例子中，我们使用 `drop` 方法删除了行索引值为 'row2' 的整行数据，并将修改后的 DataFrame 重新赋值给了变量 `df`。