Python | Eliminar filas/columnas de DataFrame usando Pandas.drop()

Python es un excelente lenguaje para realizar análisis de datos, principalmente debido al fantástico ecosistema de paquetes de Python centrados en datos. Pandas es uno de esos paquetes y facilita mucho la importación y el análisis de datos.

Pandas proporciona a los analistas de datos una forma de eliminar y filtrar marcos de datos utilizando el .drop()método. Las filas o columnas se pueden eliminar usando la etiqueta de índice o el nombre de la columna usando este método.

Sintaxis:
DataFrame.drop(etiquetas=Ninguno, eje=0, índice=Ninguno, columnas=Ninguno, nivel=Ninguno, en el lugar=Falso, errores=’subir’)

Parámetros:

etiquetas: string o lista de strings que hacen referencia al nombre de fila o columna.
eje: int o valor de string, 0 ‘índice’ para Filas y 1 ‘columnas’ para Columnas.
índice o columnas: etiqueta única o lista. el índice o las columnas son una alternativa al eje y no se pueden usar juntos.
nivel: se utiliza para especificar el nivel en caso de que el marco de datos tenga un índice de nivel múltiple.
inplace: realiza cambios en el marco de datos original si es verdadero.
errores: ignora el error si algún valor de la lista no existe y elimina el resto de los valores cuando los errores = ‘ignorar’

Tipo de devolución: marco de datos con valores descartados

Para descargar el CSV utilizado en el código, haga clic aquí.

Ejemplo #1: Descartar filas por etiqueta de índice
En su código, se pasa una lista de etiquetas de índice y las filas correspondientes a esas etiquetas se descartan usando el método .drop().

# importing pandas module
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name" )
  
# dropping passed values
data.drop(["Avery Bradley", "John Holland", "R.J. Hunter",
                            "R.J. Hunter"], inplace = True)
  
# display
data

Salida:
como se muestra en las imágenes de salida, la nueva salida no tiene los valores pasados. Esos valores se eliminaron y los cambios se realizaron en el marco de datos original, ya que en el lugar era Verdadero.

Marco de datos antes de descartar valores-

Marco de datos después de descartar valores-

Ejemplo #2: Descartar columnas con nombre de columna

En su código, las columnas Aprobadas se descartan usando nombres de columna. axis el parámetro se mantiene en 1 ya que 1 se refiere a las columnas.

# importing pandas module
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba.csv", index_col ="Name" )
  
# dropping passed columns
data.drop(["Team", "Weight"], axis = 1, inplace = True)
  
# display
data

Salida:
como se muestra en las imágenes de salida, la nueva salida no tiene las columnas pasadas. Esos valores se eliminaron ya que el eje se estableció igual a 1 y los cambios se realizaron en el marco de datos original ya que en el lugar era Verdadero.

Marco de datos antes de eliminar columnas-

Marco de datos después de eliminar columnas-