删除数据框 Pandas 中的行 - Python

在 Pandas 中，删除数据框中的行是非常常见的操作之一。这可能是由于数据源数据发生了变化，或是数据中有记录不合法等原因。

以下是一些用于删除 Pandas 数据框中行的方法：

删除指定行

有时候，我们需要删除指定的行。这时候，我们可以使用 drop() 函数来删除指定行的数据。

import pandas as pd

# 创建数据框
data = {'name': ['Amy', 'Bob', 'Charlie', 'David', 'Ella'],
        'age': [20, 30, 25, 27, 23],
        'gender': ['F', 'M', 'M', 'M', 'F']}
df = pd.DataFrame(data)

# 删除第一行
df.drop(0, inplace=True)

在上面的例子中，我们使用 drop() 函数来删除了第一行数据。通过将 inplace 参数设置为 True，我们可以直接在原始数据框上进行修改。

删除所有空值行

在实际的数据分析中，我们常常需要对数据中的空值进行清理。其中，删除所有空值行是常见的一种操作方式。

# 删除所有空值行
df.dropna(inplace=True)

在上面的例子中，我们使用 dropna() 函数来删除了数据框中所有的空值行。通过将 inplace 参数设置为 True，我们可以直接在原始数据框上进行修改。

删除满足特定条件的行

有时候，我们需要删除满足特定条件的行。这时候，我们可以使用条件过滤器来选择需要删除的行，并使用 drop() 函数删除这些行。

# 删除所有 age 大于 25 的行
df = df[df['age'] <= 25]

在上面的例子中，我们使用条件过滤器选取了所有 age 小于等于 25 的行，并将结果重新赋值给了数据框 df。

总结：

在 Pandas 中，删除数据框中的行非常常见，我们可以通过 drop() 函数来删除指定的行或是所有空值行，或者通过条件过滤器删除满足特定条件的行。这些都是数据清洗和数据分析中必不可少的操作。