python删除指定行和列的数据（Python机器学习：drop()删除行列）
在进行特征工程 、划分数据集的工作中 ，drop()函数都能派上用场 。它可以轻松剔除数据 、操作列和操作行等 。
drop()详细的语法如下：
删除行是index ，删除列是columns：
DataFrame.drop(labels=None, axis=0, index=None, columns=None, inplace=False)参数：
labels：要删除的行或列的标签 ，可以是单个标签 ，也可以是标签列表 。
axis：要删除的行或列的轴 ，0表示行 ，1表示列 。
index：要删除的行的索引 ，可以是单个索引 ，也可以是索引列表 。
columns：要删除的列的列名 ，可以是单个列名 ，也可以是列名列表 。
inplace：是否在原DataFrame上进行操作 ，默认为False ，即不在原DataFrame上进行操作 。
删除列
使用场景1：删除不需要的特征 。
例如：有些特征对结果的影响不大 ，就可以把与因变量不相关的自变量删掉；为了避免多重共线性 ，要把有强相关关系的自变量删掉 。
df = data.drop(data[[RowNumber,CustomerId,Surname]],axis=1) df代码讲解：
data是数据集 ，两个中括号代表DataFrame格式 ，里面筛选了3个要删除的字段；
axis=1代表操作列；
运行结果：
使用场景2：把因变量删掉
# 自变量 、因变量 x_data = df.drop([Exited],axis=1) y_data = df[Exited] x_data代码讲解：
drop()函数里面填写要删除的字段 ，表示从df中删除名为“Exited ”的列；
[Exited]这一个字段是我们要剔除的因变量 ，单个字段可以这样表示；
运行结果：
删除行
使用场景3：在划分数据集的时候 ，生成了训练集 ，把被分到训练集的样本剔除掉 ，剩下的就是测试集了 。
#划分训练集 train_data = data.sample(frac = 0.8, random_state = 0) #测试集 test_data = data.drop(train_data.index)代码讲解：
drop()函数里面填行索引可以删除掉行；
train_data是我们划分好的训练集 ，train_data.index表示行索引；
axis=0 ，表示的是删除行 ，也可以不写 ，是默认值；
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！