pandas删除方法

在pandas中，可以使用不同的方法来删除DataFrame中的行或列。以下是几种常见的删除方法：

1. 删除具体列：
- 删除单列：使用`df.drop("列名", axis=1)`。
- 删除多列：使用`df.drop(\["列名1", "列名2"\], axis=1)`。
- 删除指定位置列：使用`df.drop(columns=\[1, 3\], inplace=True)`或`df.drop(df.columns\[\[0, 1\]\], axis=1)`。

2. 删除具体行：
- 删除单行：使用`df.drop("行索引")`。
- 删除多行：使用`df.drop(\["行索引1", "行索引2"\])`。
- 删除指定位置行：使用`df.drop(df.index\[\[1, 3\]\])`。

3. 删除包含某些数值的行或列：
- 删除A列小于100的数值：使用`df\[df\['A'\] >= 100\]`。

4. 删除包含某些字符、文字的行或列：
- 方法1：使用取反符号：`df\[~df\['列名'\].str.contains('字符或文字')\]`。
- 方法2：使用`drop`方法：`df.drop(df\[(df\["列名"\].str.contains("字符") | df\["列名"\].str.contains("字符"))\].index)`或`df\[~df\["列名"\].isin(\["字符1", "字符2"\])\]`。

5. 删除缺失行或列：
- 删除包含缺失值的行：使用`df.dropna()`。
- 删除全部为缺失值的行：使用`df.dropna(how='all')`。
- 删除至少有2个缺失值的行：使用`df.dropna(thresh=2)`。
- 根据指定的列删除包含缺失的行：使用`df.dropna(subset=\['列名'\])`。

以上是一些常见的pandas删除方法，根据具体需求选择适合的方法来删除DataFrame中的行或列。\[1\]\[2\]\[3\]
#### 引用[.reference_title]
- *1* *3* [Pandas删除数据的几种方法](https://blog.csdn.net/weixin_43890704/article/details/126118749)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [Pandas 删除数据](https://blog.csdn.net/weixin_44639720/article/details/130180495)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]