df.drop()通過指定標簽名稱和相應的軸，或直接給定索引或列名稱來刪除行或列

語法

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

參數

1.labels:要刪除的列或者行，如果要刪除多個，傳入列表

2.axis:軸的方向，0為行，1為列，默認為0

3.index:指定的一行或多行

4.columns:指定的一列或多列

5.level:索引層級，將刪除此層級

6.inplace:布爾值，是否生效

7.errors:ignore或raise，默認為raise，如果為ignore，則容忍錯誤，僅刪除現有標簽

# 刪除數據 DataFrame.drop()
import pandas as pd
 
df = pd.DataFrame([['x','x',1],['x','x',1],['z','x',2]], columns = ['A','B','C'])
 
# 刪除指定行
res1 = df.drop([0,1])
res2 = df.drop(index = [0,1])
 
# 刪除指定列
#res3該方法一定要指定axis = 1,否則會報錯
res3 = df.drop(['B','C'], axis = 1)
res4 = df.drop(columns = ['B','C'])

結果展示

df

res1

res2

res3

res4

刪除表中的某一行或者某一列更明智的方法是使用drop，它不改變原有的df中的數據，而是返回另一個dataframe來存放刪除后的數據

擴展

del與drop的區別

在Python中del和drop方法都能夠刪除dataframe中的列數據，但兩者也有著些許區別:

1. del屬于Python的內置函數函數，drop屬于pandas中的內置函數

2. del 刪除列

drop 刪除行和列（默認行）

3. drop一次可以處理多個項目；del一次只能操作一個

4. drop可以就地操作或返回副本；del僅是就地操作

5. 兩種函數在執行效率上很接近，但是在較大數據上，drop函數優勢更明顯，尤其是在處理多列數據時

del crime['Total']
crime=crime.drop(['Total'],axis=1)

總結