Pandas2.2 DataFrame

Reindexing selection label manipulation

方法	描述
DataFrame.add_prefix(prefix[, axis])	用于在 DataFrame 的行標簽或列標簽前添加指定前綴的方法
DataFrame.add_suffix(suffix[, axis])	用于在 DataFrame 的行標簽或列標簽后添加指定后綴的方法
DataFrame.align(other[, join, axis, level, …])	用于對齊兩個 DataFrame 或 Series 的方法
DataFrame.at_time(time[, asof, axis])	用于篩選 特定時間點 的行的方法
DataFrame.between_time(start_time, end_time)	用于篩選 指定時間范圍內的數據行 的方法
DataFrame.drop([labels, axis, index, …])	用于從 DataFrame 中刪除指定行或列的方法

pandas.DataFrame.drop()

pandas.DataFrame.drop() 是一個用于從 DataFrame 中刪除指定行或列的方法。可以根據標簽（label）刪除整行或整列，常用于數據清洗和預處理。

---

📌 方法簽名

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

---

🔧 參數說明：

參數	類型	說明
labels	單個標簽或標簽列表	要刪除的行或列名（取決于 axis）
axis	{0/'index', 1/'columns'}，默認為 0	指定刪除的是行還是列
index	標簽或標簽列表	直接指定要刪除的行索引（替代 labels + axis=0）
columns	標簽或標簽列表	直接指定要刪除的列名（替代 labels + axis=1）
level	int 或 str，可選	多級索引時指定層級
inplace	bool，默認 False	是否在原對象上修改
errors	{'ignore', 'raise'}，默認 'raise'	如果標簽不存在是否報錯

---

? 返回值：

• 返回一個新的 DataFrame，不修改原始數據（除非 inplace=True）。

---

🧪 示例代碼：

示例 1：刪除列

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

輸出結果：

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：刪除多列

# 刪除列 '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：刪除行（通過 labels + axis）

# 刪除第 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 參數刪除行

# 設置行索引
df_indexed = pd.DataFrame({'A': [10, 20, 30],'B': [40, 50, 60]
}, index=['x', 'y', 'z'])# 刪除索引為 '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：忽略不存在的標簽

# 嘗試刪除不存在的列，設置 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

---

🧠 應用場景：

• 數據清洗中刪除無意義或冗余的列；
• 刪除異常值所在的行；
• 預處理時移除缺失值較多的列；
• 構建特征集時剔除目標變量。

---

?? 注意事項：

• 默認不會修改原始 DataFrame，除非設置 inplace=True；
• 若嘗試刪除不存在的標簽，默認會拋出錯誤，可通過 errors='ignore' 忽略；
• 支持多級索引，可通過 level 參數指定層級。

---