1866

删除 DataFrame 中的列时,我使用:

del df['column_name']

这很好用。为什么我不能使用以下内容?

del df.column_name

由于可以将列/系列访问为df.column_name,因此我希望这可以工作。

4

19 回答 19

2963

在 Pandas 中执行此操作的最佳方法是使用drop

df = df.drop('column_name', 1)

其中1号(0对于行和1列。)

要删除列而无需重新分配df,您可以执行以下操作:

df.drop('column_name', axis=1, inplace=True)

最后,要按列而不是按列标签删除,请尝试删除,例如第 1、第 2 和第 4 列:

df = df.drop(df.columns[[0, 1, 3]], axis=1)  # df.columns is zero-based pd.Index

还使用列的“文本”语法:

df.drop(['column_nameA', 'column_nameB'], axis=1, inplace=True)

注意:v0.21.0(2017 年 10 月 27 日)中引入,drop() 方法接受索引/列关键字作为指定轴的替代方法。

所以我们现在可以这样做:

df = df.drop(columns=['column_nameA', 'column_nameB'])
于 2013-08-09T11:12:09.200 回答
1230

如您所料,正确的语法是

del df['column_name']

del df.column_name由于 Python 中的语法限制,很难简单地完成工作。被Pythondel df[name]翻译成秘密。df.__delitem__(name)

于 2012-11-21T03:12:31.480 回答
296

采用:

columns = ['Col1', 'Col2', ...]
df.drop(columns, inplace=True, axis=1)

这将就地删除一列或多列。请注意,这inplace=True是在 pandas v0.13 中添加的,不适用于旧版本。在这种情况下,您必须将结果分配回去:

df = df.drop(columns, axis=1)
于 2014-03-23T20:57:57.500 回答
147

按索引删除

删除第一、二、四列:

df.drop(df.columns[[0,1,3]], axis=1, inplace=True)

删除第一列:

df.drop(df.columns[[0]], axis=1, inplace=True)

有一个可选参数inplace,可以在不创建副本的情况下修改原始数据。

弹出

列选择、添加、删除

删除列column-name

df.pop('column-name')

例子:

df = DataFrame.from_items([('A', [1, 2, 3]), ('B', [4, 5, 6]), ('C', [7,8, 9])], orient='index', columns=['one', 'two', 'three'])

print df

   one  two  three
A    1    2      3
B    4    5      6
C    7    8      9

df.drop(df.columns[[0]], axis=1, inplace=True) print df

   two  three
A    2      3
B    5      6
C    8      9

three = df.pop('three') print df

   two
A    2
B    5
C    8
于 2015-07-15T13:37:23.217 回答
89

这里的大多数答案都忽略了提出的实际问题是:

为什么我不能使用del df.column_name

首先,我们需要了解问题,这需要我们深入研究 Python 魔术方法

正如韦斯在他的回答中指出的那样,映射到在 Pandas中实现del df['column']的 Python魔术方法 以删除列df.__delitem__('column')

但是,正如上面关于Python 魔术方法的链接中指出的那样:

事实上,__del__几乎从不应该使用它,因为它被称为不稳定的环境;谨慎使用!

您可以争辩del df['column_name']说不应该使用或鼓励,因此del df.column_name甚至不应该考虑。

但是,理论上,del df.column_name可以使用魔法方法在 Pandas 中实现__delattr__。然而,这确实引入了某些问题,del df['column_name']实施过程中已经存在的问题,但程度较轻。

示例问题

如果我在名为“dtypes”或“columns”的数据框中定义一个列怎么办?

然后假设我想删除这些列。

del df.dtypes会使__delattr__方法混淆,就好像它应该删除“dtypes”属性或“dtypes”列一样。

这个问题背后的架构问题

  1. 数据框是的集合吗?
  2. 数据框是的集合吗?
  3. 列是数据框的属性吗?

熊猫回答:

  1. 是的,在所有方面
  2. 不,但如果你想要它,你可以使用.ix,.loc.iloc方法。
  3. 也许,你想读取数据吗?然后除非属性的名称已经被属于数据框的另一个属性占用。是否要修改数据?然后没有

TLDR;

你不能这样做del df.column_name,因为 Pandas 的架构非常广泛,需要重新考虑,以使其用户不会出现这种认知失调。

专家提示:

不要使用 df.column_name。它可能很漂亮,但它会导致认知失调

适合此处的 Python 之禅:

有多种删除列的方法。

应该有一种——最好只有一种——明显的方法来做到这一点。

列有时是属性,但有时不是。

特殊情况不足以打破规则。

是否del df.dtypes删除 dtypes 属性或 dtypes 列?

面对模棱两可,拒绝猜测的诱惑。

于 2016-05-03T09:48:51.933 回答
70

一个不错的附加功能是仅当列存在时才删除它们。这样你可以覆盖更多的用例,它只会从传递给它的标签中删除现有的列:

只需添加errors='ignore',例如:

df.drop(['col_name_1', 'col_name_2', ..., 'col_name_N'], inplace=True, axis=1, errors='ignore')
  • 这是从 pandas 0.16.1 开始的新功能。文档在这里
于 2016-01-03T12:29:49.343 回答
47

从 0.16.1 版本开始,您可以执行

df.drop(['column_name'], axis = 1, inplace = True, errors = 'ignore')
于 2016-04-30T18:57:48.920 回答
38

始终使用该[]符号是一个好习惯。一个原因是属性表示法 ( df.column_name) 不适用于编号索引:

In [1]: df = DataFrame([[1, 2, 3], [4, 5, 6]])

In [2]: df[1]
Out[2]:
0    2
1    5
Name: 1

In [3]: df.1
  File "<ipython-input-3-e4803c0d1066>", line 1
    df.1
       ^
SyntaxError: invalid syntax
于 2012-11-16T11:33:47.677 回答
31

熊猫 0.21+ 答案

Pandas 0.21 版对该drop方法进行了轻微更改,以包含indexandcolumns参数以匹配renameandreindex方法的签名。

df.drop(columns=['column_a', 'column_c'])

就个人而言,我更喜欢使用axis参数来表示列或索引,因为它是几乎所有 pandas 方法中使用的主要关键字参数。但是,现在您在 0.21 版中多了一些选择。

于 2017-10-24T14:31:03.950 回答
27

在 Pandas 0.16.1+ 中,只有根据 eiTan LaVi 发布的解决方案存在列,您才能删除列。在该版本之前,您可以通过条件列表推导获得相同的结果:

df.drop([col for col in ['col_name_1','col_name_2',...,'col_name_N'] if col in df],
        axis=1, inplace=True)
于 2016-02-13T21:58:33.920 回答
25

采用:

df.drop('columnname', axis =1, inplace = True)

否则你可以去

del df['colname']

根据列号删除多列

df.drop(df.iloc[:,1:3], axis = 1, inplace = True)

根据列名删除多个列

df.drop(['col1','col2',..'coln'], axis = 1, inplace = True)
于 2020-10-15T17:14:33.977 回答
20

TL;博士

为找到一个稍微更有效的解决方案付出了很多努力。很难在牺牲简单性的同时证明增加的复杂性是合理的df.drop(dlst, 1, errors='ignore')

df.reindex_axis(np.setdiff1d(df.columns.values, dlst), 1)

序言
删除一列在语义上与选择其他列相同。我将展示一些额外的方法来考虑。

我还将重点介绍一次删除多个列并允许尝试删除不存在的列的一般解决方案。

使用这些解决方案是通用的,也适用于简单的情况。


设置
考虑pd.DataFrame df要删除的和列表dlst

df = pd.DataFrame(dict(zip('ABCDEFGHIJ', range(1, 11))), range(3))
dlst = list('HIJKLM')

df

   A  B  C  D  E  F  G  H  I   J
0  1  2  3  4  5  6  7  8  9  10
1  1  2  3  4  5  6  7  8  9  10
2  1  2  3  4  5  6  7  8  9  10

dlst

['H', 'I', 'J', 'K', 'L', 'M']

结果应如下所示:

df.drop(dlst, 1, errors='ignore')

   A  B  C  D  E  F  G
0  1  2  3  4  5  6  7
1  1  2  3  4  5  6  7
2  1  2  3  4  5  6  7

由于我将删除一列等同于选择其他列,因此我将其分为两种类型:

  1. 标签选择
  2. 布尔选择

标签选择

我们首先制造标签列表/数组,这些标签代表我们要保留的列,而没有我们要删除的列。

  1. df.columns.difference(dlst)

    Index(['A', 'B', 'C', 'D', 'E', 'F', 'G'], dtype='object')
    
  2. np.setdiff1d(df.columns.values, dlst)

    array(['A', 'B', 'C', 'D', 'E', 'F', 'G'], dtype=object)
    
  3. df.columns.drop(dlst, errors='ignore')

    Index(['A', 'B', 'C', 'D', 'E', 'F', 'G'], dtype='object')
    
  4. list(set(df.columns.values.tolist()).difference(dlst))

    # does not preserve order
    ['E', 'D', 'B', 'F', 'G', 'A', 'C']
    
  5. [x for x in df.columns.values.tolist() if x not in dlst]

    ['A', 'B', 'C', 'D', 'E', 'F', 'G']
    

来自标签
的列 为了比较选择过程,假设:

 cols = [x for x in df.columns.values.tolist() if x not in dlst]

然后我们可以评估

  1. df.loc[:, cols]
  2. df[cols]
  3. df.reindex(columns=cols)
  4. df.reindex_axis(cols, 1)

全部评估为:

   A  B  C  D  E  F  G
0  1  2  3  4  5  6  7
1  1  2  3  4  5  6  7
2  1  2  3  4  5  6  7

布尔切片

我们可以构造一个用于切片的布尔数组/列表

  1. ~df.columns.isin(dlst)
  2. ~np.in1d(df.columns.values, dlst)
  3. [x not in dlst for x in df.columns.values.tolist()]
  4. (df.columns.values[:, None] != dlst).all(1)

来自布尔
的列为了比较

bools = [x not in dlst for x in df.columns.values.tolist()]
  1. df.loc[: bools]

全部评估为:

   A  B  C  D  E  F  G
0  1  2  3  4  5  6  7
1  1  2  3  4  5  6  7
2  1  2  3  4  5  6  7

稳健的时序

职能

setdiff1d = lambda df, dlst: np.setdiff1d(df.columns.values, dlst)
difference = lambda df, dlst: df.columns.difference(dlst)
columndrop = lambda df, dlst: df.columns.drop(dlst, errors='ignore')
setdifflst = lambda df, dlst: list(set(df.columns.values.tolist()).difference(dlst))
comprehension = lambda df, dlst: [x for x in df.columns.values.tolist() if x not in dlst]

loc = lambda df, cols: df.loc[:, cols]
slc = lambda df, cols: df[cols]
ridx = lambda df, cols: df.reindex(columns=cols)
ridxa = lambda df, cols: df.reindex_axis(cols, 1)

isin = lambda df, dlst: ~df.columns.isin(dlst)
in1d = lambda df, dlst: ~np.in1d(df.columns.values, dlst)
comp = lambda df, dlst: [x not in dlst for x in df.columns.values.tolist()]
brod = lambda df, dlst: (df.columns.values[:, None] != dlst).all(1)

测试

res1 = pd.DataFrame(
    index=pd.MultiIndex.from_product([
        'loc slc ridx ridxa'.split(),
        'setdiff1d difference columndrop setdifflst comprehension'.split(),
    ], names=['Select', 'Label']),
    columns=[10, 30, 100, 300, 1000],
    dtype=float
)

res2 = pd.DataFrame(
    index=pd.MultiIndex.from_product([
        'loc'.split(),
        'isin in1d comp brod'.split(),
    ], names=['Select', 'Label']),
    columns=[10, 30, 100, 300, 1000],
    dtype=float
)

res = res1.append(res2).sort_index()

dres = pd.Series(index=res.columns, name='drop')

for j in res.columns:
    dlst = list(range(j))
    cols = list(range(j // 2, j + j // 2))
    d = pd.DataFrame(1, range(10), cols)
    dres.at[j] = timeit('d.drop(dlst, 1, errors="ignore")', 'from __main__ import d, dlst', number=100)
    for s, l in res.index:
        stmt = '{}(d, {}(d, dlst))'.format(s, l)
        setp = 'from __main__ import d, dlst, {}, {}'.format(s, l)
        res.at[(s, l), j] = timeit(stmt, setp, number=100)

rs = res / dres

rs

                          10        30        100       300        1000
Select Label                                                           
loc    brod           0.747373  0.861979  0.891144  1.284235   3.872157
       columndrop     1.193983  1.292843  1.396841  1.484429   1.335733
       comp           0.802036  0.732326  1.149397  3.473283  25.565922
       comprehension  1.463503  1.568395  1.866441  4.421639  26.552276
       difference     1.413010  1.460863  1.587594  1.568571   1.569735
       in1d           0.818502  0.844374  0.994093  1.042360   1.076255
       isin           1.008874  0.879706  1.021712  1.001119   0.964327
       setdiff1d      1.352828  1.274061  1.483380  1.459986   1.466575
       setdifflst     1.233332  1.444521  1.714199  1.797241   1.876425
ridx   columndrop     0.903013  0.832814  0.949234  0.976366   0.982888
       comprehension  0.777445  0.827151  1.108028  3.473164  25.528879
       difference     1.086859  1.081396  1.293132  1.173044   1.237613
       setdiff1d      0.946009  0.873169  0.900185  0.908194   1.036124
       setdifflst     0.732964  0.823218  0.819748  0.990315   1.050910
ridxa  columndrop     0.835254  0.774701  0.907105  0.908006   0.932754
       comprehension  0.697749  0.762556  1.215225  3.510226  25.041832
       difference     1.055099  1.010208  1.122005  1.119575   1.383065
       setdiff1d      0.760716  0.725386  0.849949  0.879425   0.946460
       setdifflst     0.710008  0.668108  0.778060  0.871766   0.939537
slc    columndrop     1.268191  1.521264  2.646687  1.919423   1.981091
       comprehension  0.856893  0.870365  1.290730  3.564219  26.208937
       difference     1.470095  1.747211  2.886581  2.254690   2.050536
       setdiff1d      1.098427  1.133476  1.466029  2.045965   3.123452
       setdifflst     0.833700  0.846652  1.013061  1.110352   1.287831

fig, axes = plt.subplots(2, 2, figsize=(8, 6), sharey=True)
for i, (n, g) in enumerate([(n, g.xs(n)) for n, g in rs.groupby('Select')]):
    ax = axes[i // 2, i % 2]
    g.plot.bar(ax=ax, title=n)
    ax.legend_.remove()
fig.tight_layout()

这与运行所需的时间有关df.drop(dlst, 1, errors='ignore')。似乎经过所有努力,我们只能适度提高性能。

在此处输入图像描述

如果事实上最好的解决方案使用reindexreindex_axis在 hack 上list(set(df.columns.values.tolist()).difference(dlst))drop紧随其后,仍然比is略好np.setdiff1d

rs.idxmin().pipe(
    lambda x: pd.DataFrame(
        dict(idx=x.values, val=rs.lookup(x.values, x.index)),
        x.index
    )
)

                      idx       val
10     (ridx, setdifflst)  0.653431
30    (ridxa, setdifflst)  0.746143
100   (ridxa, setdifflst)  0.816207
300    (ridx, setdifflst)  0.780157
1000  (ridxa, setdifflst)  0.861622
于 2017-09-20T05:43:19.047 回答
13

我们可以通过drop()方法删除删除指定列或指定列。

假设df是一个数据框。

要删除的列 = column0

代码:

df = df.drop(column0, axis=1)

要删除多列 col1、col2、. . . , coln, 我们必须在列表中插入所有需要删除的列。然后通过 drop() 方法删除它们。

代码:

df = df.drop([col1, col2, . . . , coln], axis=1)
于 2020-04-19T13:58:43.053 回答
6

如果您的原始数据框df不是太大,您没有内存限制,并且您只需要保留几列,或者,如果您事先不知道您不需要的所有额外列的名称,那么您可能以及创建一个仅包含您需要的列的新数据框:

new_df = df[['spam', 'sausage']]
于 2020-03-15T17:57:51.830 回答
4

当我们有一个带有不需要值的典型列名时,使用和的iloc函数删除列:dataframeslicing

df = df.iloc[:,1:] # Removing an unnamed index column

0是默认行并且1是第一列,因此:,1:是我们删除第一列的参数。

于 2020-11-15T01:19:34.953 回答
3

点语法在 JavaScript 中有效,但在 Python 中无效。

  • Python:del df['column_name']
  • JavaScript:del df['column_name'] del df.column_name
于 2016-04-20T15:55:38.017 回答
2

在 Pandas DataFrame 中删除列的另一种方法

如果您不是在寻找就地DataFrame(...)删除,那么您可以通过使用以下函数指定列来创建一个新的 DataFrame :

my_dict = { 'name' : ['a','b','c','d'], 'age' : [10,20,25,22], 'designation' : ['CEO', 'VP', 'MD', 'CEO']}

df = pd.DataFrame(my_dict)

创建一个新的 DataFrame 作为

newdf = pd.DataFrame(df, columns=['name', 'age'])

您获得的结果与使用 del / drop 获得的结果一样好。

于 2018-09-09T06:59:06.257 回答
0

要删除特定列之前和之后的列,您可以使用truncate方法。例如:

   A   B    C     D      E
0  1  10  100  1000  10000
1  2  20  200  2000  20000

df.truncate(before='B', after='D', axis=1)

输出:

    B    C     D
0  10  100  1000
1  20  200  2000
于 2021-10-06T07:31:21.473 回答
0

从一般 Python 的角度来看, 如果可以删除del obj.column_name该属性是有意义的。column_name它必须是常规属性 - 或具有已定义删除器的属性。

这不能转化为 Pandas 并且对 Pandas Dataframes没有意义的原因是:

  • 认为df.column_name是一个“虚拟属性”,它本身不是一个东西,它不是那个列的“座位”,它只是一种访问列的方式。很像没有删除器的属性。
于 2021-11-10T09:16:52.370 回答