问题:从pandas DataFrame删除列
在删除DataFrame中的列时,我使用:
del df['column_name']
这很棒。为什么不能使用以下内容?
del df.column_name
由于可以按来访问列/系列df.column_name,因此我希望它能正常工作。
回答 0
如您所料,正确的语法是
del df['column_name']
del df.column_name仅由于Python的语法限制而使工作变得困难。del df[name]被df.__delitem__(name)Python掩盖。
回答 1
在熊猫中做到这一点的最好方法是使用drop:
df = df.drop('column_name', 1)
其中1是轴数(0行和1列的)。
要删除该列而无需重新分配df,可以执行以下操作:
df.drop('column_name', axis=1, inplace=True)
最后,要按列号而不是按列标签删除,请尝试将其删除,例如第一,第二和第四列:
df = df.drop(df.columns[[0, 1, 3]], axis=1)  # df.columns is zero-based pd.Index 
还可以对列使用“文本”语法:
df.drop(['column_nameA', 'column_nameB'], axis=1, inplace=True)
回答 2
采用:
columns = ['Col1', 'Col2', ...]
df.drop(columns, inplace=True, axis=1)
这将就地删除一个或多个列。请注意,该功能inplace=True已在pandas v0.13中添加,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)
回答 3
按索引下降
删除第一,第二和第四列:
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因此可以在不创建副本的情况下修改原始数据。
弹出
删除栏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
回答 4
此处提出的实际问题是大多数答案都遗漏的:
我为什么不能使用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Wes在他的答案中指出的那样,它del df['column']映射到python 魔术方法 df.__delitem__('column'),该方法在熊猫中实现以删除列
但是,正如上面有关python魔术方法的链接所指出的:
实际上,
__del__由于调用它的不稳定环境,几乎不应该使用它;谨慎使用!
您可能会认为del df['column_name']不应使用或鼓励这样做,因此del df.column_name甚至不应考虑。
然而,从理论上讲,del df.column_name可以Implemeted一个工作中使用熊猫的魔术方法__delattr__。然而,这的确引入了某些问题,即del df['column_name']实施中已经存在的问题,但是程度较小。
示例问题
如果我在称为“ dtypes”或“ columns”的数据框中定义一列怎么办。
然后假设我要删除这些列。
del df.dtypes会使该__delattr__方法感到困惑,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
- 数据框是列的集合吗?
 - 数据框是行的集合吗?
 - 列是数据框的属性吗?
 
熊猫答案:
- 是的,在所有方面
 - 没有,但是如果你希望它是,你可以使用
.ix,.loc或.iloc方法。 - 也许,您想读取数据吗?然后是,除非该属性的名称已被属于该数据帧的另一个属性采用。您要修改数据吗?那不行。
 
TLDR;
您不能这样做,del df.column_name因为熊猫的结构非常疯狂,需要重新考虑,以免使用者出现这种认知失调。
专家提示:
不要使用df.column_name,它可能很漂亮,但是会导致认知失调
适用于以下情况的Python Zen报价:
删除列有多种方法。
应该有一种-最好只有一种-显而易见的方法。
列有时是属性,但有时不是。
特殊情况不足以违反规则。
是否del df.dtypes删除dtypes属性或dtypes列?
面对模棱两可的想法,拒绝猜测的诱惑。
回答 5
一个不错的附加功能是仅在存在列的情况下才删除列的功能。这样,您可以涵盖更多用例,并且只会从传递给它的标签中删除现有列:
例如,只需添加errors =’ignore’::
df.drop(['col_name_1', 'col_name_2', ..., 'col_name_N'], inplace=True, axis=1, errors='ignore')
- 这是从熊猫0.16.1开始的新功能。文档在这里。
 
回答 6
从0.16.1版本开始就可以
df.drop(['column_name'], axis = 1, inplace = True, errors = 'ignore')
回答 7
始终使用该[]符号是个好习惯。原因之一是属性符号(df.column_name)对编号索引不起作用:
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
回答 8
熊猫0.21+答案
熊猫0.21版对drop方法进行了少许更改,以包括index和columns参数,以匹配rename和reindex方法的签名。
df.drop(columns=['column_a', 'column_c'])
就我个人而言,我更喜欢使用该axis参数来表示列或索引,因为它是几乎所有熊猫方法中使用的主要关键字参数。但是,现在您在0.21版中有了一些附加选择。
回答 9
在pandas 0.16.1+中,只有按照@eiTanLaVi发布的解决方案存在的情况下,才能删除列。在该版本之前,您可以通过条件列表理解来获得相同的结果:
df.drop([col for col in ['col_name_1','col_name_2',...,'col_name_N'] if col in df], 
        axis=1, inplace=True)
回答 10
TL; DR
寻找一点点更有效的解决方案需要付出很多努力。难以证明增加的复杂性,同时又牺牲了简单性df.drop(dlst, 1, errors='ignore')
df.reindex_axis(np.setdiff1d(df.columns.values, dlst), 1)
前言
 
删除列在语义上与选择其他列相同。我将展示一些其他方法可供考虑。  
我还将关注一下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。
通常使用这些解决方案,并且也适用于简单情况。
设置
 
考虑pd.DataFrame df和要删除的列表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
由于我将删除列等同于选择其他列,因此将其分为两种类型:
- 标签选择
 - 布尔选择
 
标签选择
我们首先制造标签的列表/数组,这些标签表示要保留的列而没有要删除的列。
df.columns.difference(dlst)Index(['A', 'B', 'C', 'D', 'E', 'F', 'G'], dtype='object')np.setdiff1d(df.columns.values, dlst)array(['A', 'B', 'C', 'D', 'E', 'F', 'G'], dtype=object)df.columns.drop(dlst, errors='ignore')Index(['A', 'B', 'C', 'D', 'E', 'F', 'G'], dtype='object')list(set(df.columns.values.tolist()).difference(dlst))# does not preserve order ['E', 'D', 'B', 'F', 'G', 'A', 'C'][x for x in df.columns.values.tolist() if x not in dlst]['A', 'B', 'C', 'D', 'E', 'F', 'G']
标签中
 
的列为了比较选择过程,假定:
 cols = [x for x in df.columns.values.tolist() if x not in dlst]
然后我们可以评估
df.loc[:, cols]df[cols]df.reindex(columns=cols)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
我们可以构造一个布尔数组/列表进行切片
~df.columns.isin(dlst)~np.in1d(df.columns.values, dlst)[x not in dlst for x in df.columns.values.tolist()](df.columns.values[:, None] != dlst).all(1)
布尔中
 
的列为了比较  
bools = [x not in dlst for x in df.columns.values.tolist()]
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
稳健的时机
功能
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)
测试中
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()
这是相对于运行时间而言的df.drop(dlst, 1, errors='ignore')。经过所有这些努力,似乎我们只能适度地提高性能。
如果事实最好的解决办法是使用reindex或reindex_axis破解list(set(df.columns.values.tolist()).difference(dlst))。紧随其后,仍然比drop现在好一点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
回答 11
点语法在JavaScript中有效,但在Python中无效。
- Python: 
del df['column_name'] - JavaScript:
del df['column_name']或del df.column_name 
回答 12
如果原始数据帧df不太大,则没有内存限制,只需要保留几列,那么最好只用所需的列创建一个新的数据帧:
new_df = df[['spam', 'sausage']]
回答 13
我们可以通过drop()方法删除或删除指定的列或特定的列。
假设df是一个数据帧。
要删除的列= column0
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()方法将其删除。
码:
df = df.drop([col1, col2, . . . , coln], axis=1)
希望对您有所帮助。
回答 14
在Pandas DataFrame中删除列的另一种方法
如果您不希望就地删除,则可以通过使用DataFrame(...)函数指定列来创建新的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为
newdf = pd.DataFrame(df, columns=['name', 'age'])
您获得的结果与通过del / drop获得的结果一样好

