极客笔记从Pandas DataFrame中删除一系列行
在数据处理中，我们常常需要从 DataFrame 中删除一些不需要的行，这些行可能是由于数据重复、有误或不可用而需要删除的。在 Pandas 中，我们可以使用 drop() 方法来删除行，但是需要指定删除哪些行，本篇文章将介绍几种不同的方法来删除一系列行。
更多Pandas相关文章，请阅读：Pandas 教程
删除连续的行
如果需要删除一连串的连续行，可以使用 drop() 方法，并传递一个范围，即可删除这些行。如下面的示例，我们需要删除 2-4 行的数据：
import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'age': [25, 30, 35, 40, 45],
'gender': ['F', 'M', 'M', 'M', 'F']}
df = pd.DataFrame(data)
df.drop(index=range(2, 5), inplace=True)
print(df)
输出结果如下：
name age gender
0 Alice 25 F
1 Bob 30 M
4 Eva 45 F
在这里，drop() 方法中传递了一个范围 range(2, 5)，表示需要删除 2-4 行的数据。inplace=True 表示需要对原 DataFrame 进行修改。
删除不连续的行
如果需要删除不连续的行，我们可以使用布尔索引的方式来实现。比如在下面的示例中，需要删除 name 列中等于 'Bob' 和 'David' 的所有行：
import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'age': [25, 30, 35, 40, 45],
'gender': ['F', 'M', 'M', 'M', 'F']}
df = pd.DataFrame(data)
df = df.loc[(df['name'] != 'Bob') & (df['name'] != 'David')]
print(df)
输出结果如下：
name age gender
0 Alice 25 F
2 Charlie 35 M
4 Eva 45 F
在这里，df.loc[] 中传递了一个布尔值的判断条件，表示需要删除 name 列中等于 'Bob' 和 'David' 的所有行。
删除包含某些特征的行
或许有时候我们不知道需要删除哪些行，但是知道这些行包含了某些特征。在这种情况下，我们可以使用 Pandas 的 str.contains() 方法，它可以在 DataFrame 中搜索包含特定字符串的行。在下面的示例中，我们需要删除 name 列中包含 'l' 和 'v' 的所有行：
import pandas as pd
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'age': [25, 30, 35, 40, 45],
'gender': ['F', 'M', 'M', 'M', 'F']}
df = pd.DataFrame(data)
df = df[~df['name'].str.contains('l|v')]
print(df)
输出结果如下：
name age gender
1 Bob 30 M
3 David 40 M
在这里，我们使用了 ~df['name'].str.contains('l|v')，表示删除包含 'l' 和 'v' 的行。
删除空行
有时候 DataFrame 中会有一些空行，这些行不包含任何值。在 Pandas 中，空值用 NaN 表示。如果需要删除空行，可以使用 dropna() 方法，并传递 how='all' 参数。在下面的示例中，我们需要删除数据集中的空行：
import pandas as pd
import numpy as np
data = {'name':['Alice', 'Bob', 'Charlie', np.nan, 'Eva'],
'age': [25, 30, 35, np.nan, 45],
'gender': ['F', np.nan, 'M', 'M', 'F']}
df = pd.DataFrame(data)
df.dropna(how='all', inplace=True)
print(df)
输出结果如下：
name age gender
0 Alice 25.0 F
1 Bob 30.0 NaN
2 Charlie 35.0 M
4 Eva 45.0 F
在这里，dropna(how='all') 表示删除所有值都为空的行，inplace=True 表示需要对原 DataFrame 进行修改。
结论
在 Pandas 中，我们可以使用 drop() 方法和布尔索引的方式来删除 DataFrame 中不需要的行，可以使用 str.contain() 方法来删除包含某些特征的行。如果需要删除空行，可以使用 dropna() 方法，并传递 how='all' 参数。有了以上这些方法，我们可以很方便地从 DataFrame 中删除一系列行。