dataframe用drop函数无法删除列

DataFrame的`drop`函数可以删除行或列，但需要指定`axis`参数来确定是删除行还是列。默认情况下，`axis=0`表示删除行，`axis=1`表示删除列。

如果你想删除列，需要将`axis`参数设置为1。例如，假设我们有以下DataFrame：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]}
df = pd.DataFrame(data)
print(df)

输出：

       name  age
0     Alice   25
1       Bob   30
2  Charlie   35

要删除`age`列，可以使用以下代码：

df = df.drop('age', axis=1)
print(df)

输出：

       name
0     Alice
1       Bob
2  Charlie

注意：`drop`函数会返回一个新的DataFrame，原来的DataFrame并没有被修改。因此，如果你想在原来的DataFrame上修改，需要将`inplace`参数设置为True。

相关问题

dataframe drop函数

DataFrame的drop()函数可以用来删除行或列。

语法如下：

df.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

参数说明：

- labels：要删除的行或列的名称或序号，可以是单个值或列表。
- axis：要删除的轴，0表示行，1表示列。
- index：用于指定要删除的行，与labels参数等效。如果labels和index同时出现，则labels优先。
- columns：用于指定要删除的列，与labels参数等效。如果labels和columns同时出现，则labels优先。
- level：对于具有多级索引的DataFrame，可以指定要删除的索引级别。
- inplace：是否在原DataFrame上进行操作，如果为True，则直接在原DataFrame上进行修改，否则返回一个新的DataFrame。
- errors：如果指定的标签不在DataFrame中，则引发异常。如果将其设置为“ignore”，则忽略错误。

示例：

# 创建一个示例DataFrame
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
print(df)

# 删除行
df.drop(index=[0, 2], inplace=True)
print(df)

# 删除列
df.drop(columns=['B'], inplace=True)
print(df)

输出结果：

   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

   A  B  C
1  2  5  8

   A  C
1  2  8

dataframe.drop

`dataframe.drop()` 是一个 pandas 库中的函数，用于删除 dataframe 中的行或列。它可以接受以下参数：

- `labels`：需要删除的行或列的名称或索引号，可以是单个值、列表或切片对象。
- `axis`：指定删除行或列，0 表示删除行，1 表示删除列。
- `index`：需要删除的行的名称或索引号，可以是单个值、列表或切片对象。
- `columns`：需要删除的列的名称或索引号，可以是单个值、列表或切片对象。
- `level`：多层索引时指定删除的层级。

例如，假设有一个名为 df 的 dataframe，要删除第一列和第三行，可以使用以下代码：

df = df.drop(columns=df.columns[0])
df = df.drop(index=df.index[2])

这将删除第一列和第三行，并返回一个新的 dataframe。如果想在原地修改 dataframe，可以设置 `inplace` 参数为 True：

df.drop(columns=df.columns[0], inplace=True)
df.drop(index=df.index[2], inplace=True)

这将直接在原 dataframe 上删除第一列和第三行。