pandas.DataFrame删除/选取含有特定数值的行或列实例

在Python数据分析领域，`pandas`库是不可或缺的工具，其中`DataFrame`对象是我们处理二维数据的主要手段。本文将详细讲解如何使用`pandas.DataFrame`来删除或选取含有特定数值的行或列。 1. **删除/选取含有特定数值的行** 在`DataFrame`中，我们可以使用布尔索引来选取或移除特定条件的行。例如，如果想要删除或选取`A`列含有特定数值（如1）的行，可以使用`isin()`函数。以下是一个例子： ```python import pandas as pd import numpy as np a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) df1 = pd.DataFrame(a, index=['row0', 'row1', 'row2'], columns=list('ABC')) # 选取含有数字1的行 df1_temp = df1[df1['A'].isin([1])] # 通过取反选取不含有数字1的行 df1 = df1[~df1['A'].isin([1])] ``` 2. **删除/选取含有特殊数值的列** 删除或选取含有特定数值的列，可以通过遍历列并检查每一行的值来实现。例如，删除`row0`行中值为3的列： ```python df2 = df1.copy() # 获取含有数字3的列名 cols = [x for i, x in enumerate(df2.columns) if df2.iat[0, i] == 3] # 选取含有特定数值的列 # df2 = df2[cols] # 或者删除含有特定数值的列 df2 = df2.drop(cols, axis=1) ``` 3. **删除含有空值的行或列** 在`DataFrame`中，空值通常用`NaN`表示。我们可以使用`fillna()`函数填充空值，然后利用上述方法删除含有特定填充值的行或列。例如： ```python df1 = pd.DataFrame( [[np.nan, 2, np.nan, 0], [3, 4, np.nan, 1], [np.nan, np.nan, np.nan, 5], [np.nan, 3, np.nan, 4]], columns=list('ABCD')) # 将A列所有空值赋值为'null' df1['A'] = df1['A'].fillna('null') # 删除含有'null'的行 df1 = df1[~df1['A'].isin(['null'])] # 删除某行空值所在列 df2[0:1] = df2[0:1].fillna('null') # 获取含有'null'的列名 cols = [x for i, x in enumerate(df2.columns) if df2.iat[0, i] == 'null'] # 删除含有'null'的列 df2 = df2.drop(cols, axis=1) ``` 通过以上操作，我们可以灵活地根据需求处理`DataFrame`中的数据。无论是删除还是选取特定数值的行或列，或者处理空值，都有明确的步骤和方法。在实际数据分析工作中，熟练掌握这些技巧能极大地提高效率，确保数据清洗的准确性。