删除pandas中列的最佳方法是什么

Question

我正在为自学而提出这个问题.据我所知,以下是删除pandas数据帧中列的不同方法.

选项1:

df=pd.DataFrame({'a':[1,2,3,4,5],'b':[6,7,8,9,10],'c':[11,12,13,14,15]})
del df['a']

选项-2:

df=pd.DataFrame({'a':[1,2,3,4,5],'b':[6,7,8,9,10],'c':[11,12,13,14,15]})
df=df.drop('a',1)

选项-3:

df=pd.DataFrame({'a':[1,2,3,4,5],'b':[6,7,8,9,10],'c':[11,12,13,14,15]})
df=df[['b','c']]

1. 这些中最好的方法是什么？
2. 有没有其他方法可以实现相同的目标？

Answer 1

按照文档:

DataFrame是一个二维标记数据结构,具有可能不同类型的列.

而且pandas.DataFrame.drop:

从行或列中删除指定的标签.

所以,我认为我们应该坚持下去df.drop.为什么？我认为专业人士是:

1. 它使我们能够更好地控制删除操作:

   # This will return a NEW DataFrame object, leave the original `df` untouched.
   df.drop('a', axis=1)  
   # This will modify the `df` inplace. **And return a `None`**.
   df.drop('a', axis=1, inplace=True)  
   

2. 它可以用它的args来处理更复杂的情况.例如level,我们可以处理MultiIndex删除.并且errors,我们可以防止一些错误.

3. 它是一种更加统一和面向对象的方式.

就像@jezrael在他的回答中所说:

选项1:使用关键字del是一种有限的方式.

选项3:df=df[['b','c']]本质上甚至不是删除.它首先通过[]语法索引来选择数据,然后df用原始DataFrame 解除绑定名称并将其与新的绑定(即df[['b','c']]).

Answer 2

在 Pandas 数据框中删除列或行的推荐方法是使用 drop。

要删除列，

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

要删除一行，

df.drop('row_index', axis=0, inplace=True)

您可以参考这篇文章以查看有关列删除方法的详细对话。