Pandas删除数据的几种情况(小结)
2019-06-21 10:54
609 查看
开始之前,pandas中DataFrame删除对象可能存在几种情况
1、删除具体列
2、删除具体行
3、删除包含某些数值的行或者列
4、删除包含某些字符、文字的行或者列
本文就针对这四种情况探讨一下如何操作。
数据准备
模拟了一份股票交割的记录。
In [1]: import pandas as pd In [2]: data = { ...: '证券名称' : ['格力电器','视觉中国','成都银行','中国联通','格力电器','视觉中国','成都银行','中国联通'], ...: '摘要': ['证券买入','证券买入','证券买入','证券买入','证券卖出','证券卖出','证券卖出','证券卖出'], ...: '成交数量' : [500,1000,1500,2000,500,500,1000,1500], ...: '成交金额' : [-5000,-10000,-15000,-20000,5500,5500,11000,15000] ...: } ...: In [3]: df = pd.DataFrame(data, index = ['2018-2-1','2018-2-1','2018-2-1','2018-2-1','2018-2-2','2018-2-2','2018-2-2','2018-2-3']) In [4]: df Out[4]: 成交数量 成交金额 摘要 证券名称 2018-2-1 500 -5000 证券买入 格力电器 2018-2-1 1000 -10000 证券买入 视觉中国 2018-2-1 1500 -15000 证券买入 成都银行 2018-2-1 2000 -20000 证券买入 中国联通 2018-2-2 500 5500 证券卖出 格力电器 2018-2-2 500 5500 证券卖出 视觉中国 2018-2-2 1000 11000 证券卖出 成都银行 2018-2-3 1500 15000 证券卖出 中国联通
删除具体列
In [5]: df.drop('成交数量',axis=1) Out[5]: 成交金额 摘要 证券名称 2018-2-1 -5000 证券买入 格力电器 2018-2-1 -10000 证券买入 视觉中国 2018-2-1 -15000 证券买入 成都银行 2018-2-1 -20000 证券买入 中国联通 2018-2-2 5500 证券卖出 格力电器 2018-2-2 5500 证券卖出 视觉中国 2018-2-2 11000 证券卖出 成都银行 2018-2-3 15000 证券卖出 中国联通
删除具体行
In [6]: df.drop('2018-2-3') Out[6]: 成交数量 成交金额 摘要 证券名称 2018-2-1 500 -5000 证券买入 格力电器 2018-2-1 1000 -10000 证券买入 视觉中国 2018-2-1 1500 -15000 证券买入 成都银行 2018-2-1 2000 -20000 证券买入 中国联通 2018-2-2 500 5500 证券卖出 格力电器 2018-2-2 500 5500 证券卖出 视觉中国 2018-2-2 1000 11000 证券卖出 成都银行
也可以根据行号删除记录,比如删除第三行
In [22]: df.drop(df.index[7]) Out[22]: 成交数量 成交金额 摘要 证券名称 2018-2-1 500 -5000 证券买入 格力电器 2018-2-1 1000 -10000 证券买入 视觉中国 2018-2-1 1500 -15000 证券买入 成都银行 2018-2-1 2000 -20000 证券买入 中国联通 2018-2-2 500 5500 证券卖出 格力电器 2018-2-2 500 5500 证券卖出 视觉中国 2018-2-2 1000 11000 证券卖出 成都银行
注意,这个办法其实不是按照行号删除,而是按照索引删除。如果index为3,则会将前4条记录都删除。这个方法支持一个范围,以及用负数表示从末尾删除。
删除特定数值的行(删除成交金额小于10000)
In [7]: df[ df['成交金额'] > 10000] Out[7]: 成交数量 成交金额 摘要 证券名称 2018-2-2 1000 11000 证券卖出 成都银行 2018-2-3 1500 15000 证券卖出 中国联通
本例其实是筛选,如果需要保留,可以将筛选后的对象赋值给自己即可。
删除某列包含特殊字符的行
In [11]: df[ ~ df['证券名称'].str.contains('联通') ] Out[11]: 成交数量 成交金额 摘要 证券名称 2018-2-1 500 -5000 证券买入 格力电器 2018-2-1 1000 -10000 证券买入 视觉中国 2018-2-1 1500 -15000 证券买入 成都银行 2018-2-2 500 5500 证券卖出 格力电器 2018-2-2 500 5500 证券卖出 视觉中国 2018-2-2 1000 11000 证券卖出 成都银行
如果想取包含某些字符的记录,可以去掉~
In [12]: df[ df['证券名称'].str.contains('联通') ] Out[12]: 成交数量 成交金额 摘要 证券名称 2018-2-1 2000 -20000 证券买入 中国联通 2018-2-3 1500 15000 证券卖出 中国联通
以上就是本文的全部内容,希望对大家的学习有所帮助
您可能感兴趣的文章:
相关文章推荐
- Pandas删除数据的几种情况
- MySQL删除数据几种情况以及是否释放磁盘空间【转】
- sparkSQL 写数据到MySQL的几种模式解释以及overwrite模式在不删除表结构的情况下的实现
- python数据分析初探小结(matplotlib,Numpy,Pandas)简单分析下IMDB250电影情况
- pandas 数据归一化以及行删除例程的方法
- 讨论MySQL丢失数据的几种情况
- ArcEngine数据删除几种方法和性能比较【转载】
- SQL Server中删除表中重复数据的几种方法
- JS中检测数据类型的几种方式及优缺点小结
- MySQL删除数据后磁盘空间的释放情况
- Oracle删除重复记录只保留一条数据的几种方法
- vue对storejs获取的数据进行处理时遇到的几种问题小结
- mysql外键约束无法删除数据的情况解决办法
- 遍历json获得数据的几种方法小结
- 使用事务实现--转账问题:从0001账户转1000块到0002账户。打开"隐式事务":设置为开,删除表中数据,回滚!(默认情况为关,如果打开了则不自动提交,学要手动提交)
- Oracle数据库重复数据删除的三种情况
- 关于IMP由拥有DBA权限的用户EXP数据时,数据存放表空间的几种情况(IMP-00013) -1
- Pandas:Series和DataFrame删除指定轴上数据的方法
- Oracle 删除数据的几种方法
- pandas删除和插入数据