前言
使用pandas对数据操作，筛选数据时，根据任务要求有时不仅要某列中存在空值的行，并且要删除某列中指定值所在行。
1.data.dropna()
默认参数： data.dropna(axis=0, how="any", thresh=None, subset=None, inplace=False)
1-1 axis确定删除存在缺失值的行或者是列
#删除含有缺失值的行 axis=0或axis="index" #删除含有缺失值的列 axis=1或axis="columns"
1-2 how 确定存在缺失值时，是否删除行或者列
how="all"或how=‘any"。 how="all"时表示删除全是缺失值的行（列） how="any"时表示删除只要含有缺失值的行（列）
1-3 thresh=n表示保留至少含有n个非na数值的行
data.dropna(thresh=2)
1-4 subset确定要在哪些列中查找缺失值
#在source和target两列中查找缺失值 data.drop(subset = ["source","target"])
1-5 inplace确定是否直接在原DataFrame修改
#删除缺失值后不在原data上修改 inplace = False #删除缺失值后在原data上修改 inplace = True
2.data.drop
默认参数：
data.drop(
labels=None,
axis=0,
index=None,
columns=None,
level=None,
inplace=False,
errors="raise",
)
2-1 labels 指定行或者列的名称
#参数axis为0表示在0轴（列）上搜索名为“姓名”的对象，然后删除对象“姓名”对应的行。
data.drop("姓名",axis = 0)
#参数axis为0表示在1轴（行）上搜索名为“姓名”的对象，然后删除对象“姓名”对应的列。
data.drop("姓名"，axis = 1)
2-2 index 指定要删除的行
#删除data中索引为0和1的行 data.drop(index = [0,1])
2-3 columns 指定要删除的列
#删除data中列名为“source”和“target”的列 data.drop(columns=["source", "target"])
3.实例
任务需求：删掉“ZH_Term_len”列中值为0的全部行。
3-1 统计0的数量
#统计“ZH_Term_len”一列中有多少个0 data["ZH_Term_len"].value_counts()
3-2 找出0的索引
data[(data.ZH_Term_len == 0)].index.tolist()
3-3 使用drop函数以及index参数删除所在的行
data = data.drop(index = data[(data.ZH_Term_len == 0)].index.tolist())
3-4 查看数据
data.info()
3-5 将索引重新排序
#会将标签重新从零开始顺序排序,使用参数设置drop=True删除旧的索引序列 data = data.reset_index(drop=True)
3-6 统计“ZH_Term_len”列中值的数量
统计后发现，“ZH_Term_len”列中值为0的行已经全部被删除掉。
总结
到此这篇关于如何利用Pandas删除某列指定值所在行的文章就介绍到这了,更多相关Pandas删除指定值所在行内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文地址：https://blog.csdn.net/weixin_44750512/article/details/122436249
