Python是进行数据分析的一种出色语言，主要是因为以数据为中心的Python软件包具有奇妙的生态系统。Pandas是其中的一种，使导入和分析数据更加容易。
Pandas为数据分析人员提供了一种使用.drop()方法删除和过滤数据帧的方法。使用此方法，可以使用索引标签或列名删除行或列。
语法： 

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

参数：
labels：引用行或列名称的字符串或字符串列表。
axis：整数或字符串值，“ 0″用于行，“ 1″用于列。
index or columns：单个标签或列表。index或column是轴的替代方法，不能一起使用。
level：用于指定数据帧具有多个级别索引。
inplace：如果为True，则在原始数据框中进行更改。
errors：如果列表中的任何值都不存在，则忽略错误，并在errors =’ignore’时删除其余值
返回类型：具有丢弃值的数据框

要下载代码中使用的CSV，请点击此处。
示例1：按索引标签删除行

在代码中，传递了索引标签列表，并使用.drop()方法删除了与这些标签对应的行。

# 导入pandas模块
import pandas as pd
# 从csv文件制作数据帧
data = pd.read_csv("nba.csv", index_col ="Name" )
# 删除传递的值
data.drop(["Avery Bradley", "John Holland", "R.J. Hunter",
                            "R.J. Hunter"], inplace = True)
# 打印
data

输出：
如输出图像所示，新输出没有传递的值。由于inplace为True，因此删除了这些值，并在原始数据框中进行了更改。
删除值之前的：

数据帧-删除值之后的数据帧：



Example＃2：删除具有列名的列
在他的代码中，传递的列使用列名删除。axis参数保持为1，因为1引用了列。

# 导入pandas模块
import pandas as pd
# 从csv文件制作数据帧
data = pd.read_csv("nba.csv", index_col ="Name" )
# 删除传递的列
data.drop(["Team", "Weight"], axis = 1, inplace = True)
# 打印
data

输出：
如输出图像所示，新的输出没有传递的列。由于将axis设置为1，所以这些值将被删除，并且由于inplace为True，因此在原始数据帧中进行了更改。
删除列之前的：


数据帧-删除列之后的数据帧：