在pandas中删除多列数据时，我们常常会用到drop()方法。本文将从多个方面详细介绍如何使用drop()方法在pandas中删除多列数据，并给出完整的代码示例。
一、删除单个列
如果我们只需要删除一个列，直接使用drop()方法即可：
import pandas as pd
data = {'a':[1,2,3], 'b':[4,5,6], 'c':[7,8,9]}
df = pd.DataFrame(data)
df.drop('c', axis=1, inplace=True)
print(df)
代码说明：
data：模拟数据 df：将字典数据转换为DataFrame格式数据 （df.drop('c', axis=1, inplace=True）：删除c列，axis=1表示删除列，inplace=True表示就地修改DataFrame，不创建新的对象。 print(df)：输出df数据二、删除多列
三、删除包含特定字符的列
使用filter()方法对列名进行筛选，保留指定规则的列。
import pandas as pd
data = {'a':[1,2,3], 'x1':[4,5,6], 'x2':[7,8,9], 'b':[10,11,12]}
df = pd.DataFrame(data)
df = df.filter(regex='^((?!x).)*$')
print(df)
代码说明：
data：模拟数据 df：将字典数据转换为DataFrame格式数据 df.filter(regex='^((?!x).)*$')：通过正则表达式筛选保留不包含x字符的列 print(df)：输出df数据四、批量删除列并保留前n列
使用drop()方法删除多列数据，同时保留前n列：
import pandas as pd
data = {'a':[1,2,3], 'b':[4,5,6], 'c':[7,8,9], 'd':[10,11,12]}
df = pd.DataFrame(data)
df = df.iloc[:, :2].join(df.iloc[:, 4:])
print(df)
代码说明：
data：模拟数据 df：将字典数据转换为DataFrame格式数据 df.iloc[:, :2].join(df.iloc[:, 4:])：保留前两列和后两列，中间的两列被删除 print(df)：输出df数据五、删除前n列并保留后n列
使用drop()方法删除多列数据，同时保留后n列：
import pandas as pd
data = {'a':[1,2,3], 'b':[4,5,6], 'c':[7,8,9], 'd':[10,11,12]}
df = pd.DataFrame(data)
df = df.iloc[:, -2:]
print(df)
代码说明：
data：模拟数据 df：将字典数据转换为DataFrame格式数据 df.iloc[:, -2:]：保留后两列，前两列被删除 print(df)：输出df数据
京公网安备 11010802030320号