Pandas2.2 DataFrame

Reindexing selection label manipulation

方法	描述
DataFrame.add_prefix(prefix[, axis])	用于在 DataFrame 的行标签或列标签前添加指定前缀的方法
DataFrame.add_suffix(suffix[, axis])	用于在 DataFrame 的行标签或列标签后添加指定后缀的方法
DataFrame.align(other[, join, axis, level, …])	用于对齐两个 DataFrame 或 Series 的方法
DataFrame.at_time(time[, asof, axis])	用于筛选 特定时间点 的行的方法
DataFrame.between_time(start_time, end_time)	用于筛选 指定时间范围内的数据行 的方法
DataFrame.drop([labels, axis, index, …])	用于从 DataFrame 中删除指定行或列的方法

pandas.DataFrame.drop()

pandas.DataFrame.drop() 是一个用于从 DataFrame 中删除指定行或列的方法。可以根据标签（label）删除整行或整列，常用于数据清洗和预处理。

---

📌 方法签名

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

---

🔧 参数说明：

参数	类型	说明
labels	单个标签或标签列表	要删除的行或列名（取决于 axis）
axis	{0/'index', 1/'columns'}，默认为 0	指定删除的是行还是列
index	标签或标签列表	直接指定要删除的行索引（替代 labels + axis=0）
columns	标签或标签列表	直接指定要删除的列名（替代 labels + axis=1）
level	int 或 str，可选	多级索引时指定层级
inplace	bool，默认 False	是否在原对象上修改
errors	{'ignore', 'raise'}，默认 'raise'	如果标签不存在是否报错

---

✅ 返回值：

• 返回一个新的 DataFrame，不修改原始数据（除非 inplace=True）。

---

🧪 示例代码：

示例 1：删除列

import pandas as pd# 创建 DataFrame
df = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6],'C': [7, 8, 9]
})# 删除列 'B'
df_drop_col = df.drop(columns='B')print("Original DataFrame:")
print(df)
print("\nAfter dropping column 'B':")
print(df_drop_col)

输出结果：

Original DataFrame:A  B  C
0  1  4  7
1  2  5  8
2  3  6  9After dropping column 'B':A  C
0  1  7
1  2  8
2  3  9

---

示例 2：删除多列

# 删除列 'A' 和 'C'
df_drop_cols = df.drop(columns=['A', 'C'])print("After dropping columns 'A' and 'C':")
print(df_drop_cols)

After dropping columns 'A' and 'C':B
0  4
1  5
2  6

---

示例 3：删除行（通过 labels + axis）

# 删除第 0 行和第 2 行
df_drop_rows = df.drop([0, 2], axis=0)print("After dropping rows 0 and 2:")
print(df_drop_rows)

After dropping rows 0 and 2:A  B  C
1  2  5  8

---

示例 4：使用 index 参数删除行

# 设置行索引
df_indexed = pd.DataFrame({'A': [10, 20, 30],'B': [40, 50, 60]
}, index=['x', 'y', 'z'])# 删除索引为 'x' 的行
df_dropped_index = df_indexed.drop(index='x')print("After dropping index 'x':")
print(df_dropped_index)

After dropping index 'x':A   B
y  20  50
z  30  60

---

示例 5：忽略不存在的标签

# 尝试删除不存在的列，设置 errors='ignore'
df_ignore = df.drop(columns='D', errors='ignore')print("After trying to drop non-existent column 'D' with errors='ignore':")
print(df_ignore)

After trying to drop non-existent column 'D' with errors='ignore':A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

---

🧠 应用场景：

• 数据清洗中删除无意义或冗余的列；
• 删除异常值所在的行；
• 预处理时移除缺失值较多的列；
• 构建特征集时剔除目标变量。

---

⚠️ 注意事项：

• 默认不会修改原始 DataFrame，除非设置 inplace=True；
• 若尝试删除不存在的标签，默认会抛出错误，可通过 errors='ignore' 忽略；
• 支持多级索引，可通过 level 参数指定层级。

---