pandas 小技巧——如何删除行或者列、根据条件删除指定行或者列_pandas如何删除指定行？

使用df.drop

DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors=‘raise’)
1、labels：要删除的标签，一个或者多个(以list形式)；
2、axis：指定哪一个轴，=0删除行，=1删除列；
3、columns：指定某一列或者多列(以list形式)；
4、level：索引等级，针对多重索引的情况；
5、inplaces：是否替换原来的dataframe，=True代表直接替换原始df，=False代表不替换原始df

1、直接删除指定行/列

# 删除列名为C的列，并替换原始df
df.drop(columns=['C'], inplace=True) 
2、根据条件删除指定行
 
# 删除符合条件的指定行，并替换原始df
df.drop(df[(df.score < 50) & (df.score > 20)].index， inplace=True) 
                    使用df.dropDataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors=‘raise’)1、labels：要删除的标签，一个或者多个(以list形式)；2、axis：指定哪一个轴，=0删除行，=1删除列；3、columns：指定某一列或者多列(以list形式)；4、level：索引等级，针对多重索引的情况；5、inplaces：是否替换原来的datafram
df = df.drop('column_name', axis=1)
需要注意的是，默认情况下，删除的是行(即axis=0)。如果想要永久删除，需要将结果赋值回原来的DataFrame中。
# pandas 删除某一行/列 
# 语法：DataFrame.drop(labels=None,axis=0, index=None, columns=None, inplace=False)
参数说明：
labels 就是要删除的行列的名字，用列表给定
axis 默认为0，指删除行，因此删除columns时要指定axis=1；
index 直接指定要删除的行
columns 直接指定要删除的列
inplace=False，默认该删除操作不改变原数据，而是返回一个
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’
				在工作中我们经常会遇到删除某些不符合条件的数据，而且有时候是删除多条，在这里我提供一个简单的操作拌饭
Question：删除有2个0以上的行（不包含2个）
1、我们先读取数据
当然这个数据可以从excel或者其他地方读取
df = pd.DataFrame({'a':[1,0,2,1,3],'b':[0,2,1,0,1],'c':[0,2,1,0,0],'d':[1,2,0,0,0]})
2、统计每一行包含0的个数
sums = (df == 0).astype(int).sum(axis=1
https://stackoverflow.com/questions/13851535/delete-rows-from-a-pandas-dataframe-based-on-a-conditional-expression-involving
To directly answer this question’s original title “How to delete rows f...
用loc过滤df。 “~”表示你想要与你的情况相反。 “：”表示希望保留所有列。
在条件中：“&”表示并，“|”表示或
df_AIS=df_AIS.loc[((df_AIS['航行状态']==1)&(df_AIS['航速']!=0)&(df_AIS['时间']!=0)),:]
上述代码表示选取航行状态为1，航速不为0，时间不为0的航段
df_AIS=df_AIS.loc[~((df_AIS['航行状态']==1)&(df_AIS['航速']!=0
				1.删除df.ts_code大于等于"500000"且小于"600000"的所有行
     df = df.drop(df[(df.ts_code >= "500000") & (df.ts_code < "600000")].index)
2.删除exchange_id列
     df = df.drop('exchange_id', axis=1)