### Python 中 `.drop` 方法的含义和用法 `.drop` 是 Pandas 库中的一个重要方法，用于删除指定轴上的标签或列。它不会修改原始数据框，除非设置 `inplace=True` 参数[^3]。 #### 基本语法 以下是 `.drop` 的基本语法： ```python DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise') ``` - **labels**: 要删除的索引或列名。 - **axis**: 删除的方向（0 表示按行操作，1 表示按列操作）。 - **index**: 替代 labels 参数，直接指定要删除的行索引。 - **columns**: 替代 labels 参数，直接指定要删除的列名称。 - **level**: 如果有 MultiIndex，则指明级别。 - **inplace**: 是否在原对象上进行更改，默认为 False。 - **errors**: 当尝试删除不存在的键时的行为选项；默认 'raise' 抛出错误，而 'ignore' 则忽略错误[^2]。 #### 示例代码 下面是一个简单的例子，演示如何使用 `.drop` 方法： ```python import pandas as pd # 创建一个示例 DataFrame data = { 'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9] } df = pd.DataFrame(data) print("原始 DataFrame:") print(df) # 删除某一行 (基于索引) row_dropped_df = df.drop(1, axis=0) # 删除第 1 行 print("\n删除第 1 行后的 DataFrame:") print(row_dropped_df) # 删除某一列 (基于列名) column_dropped_df = df.drop('B', axis=1) # 删除 'B' 列 print("\n删除 'B' 列后的 DataFrame:") print(column_dropped_df) # 使用 inplace 修改原有 DataFrame df.drop([0], axis=0, inplace=True) # 删除第 0 行并更新原 DataFrame print("\ninplace 删除第 0 行后的 DataFrame:") print(df) ``` #### 输出结果解释 上述代码展示了三种不同的情况： 1. 删除特定的一行； 2. 删除特定的一列； 3. 使用 `inplace=True` 更新原有的 DataFrame 对象[^2]。 --- ### 注意事项 当调用 `.drop` 方法时需要注意以下几点： - 默认情况下，`.drop` 不会改变原始 DataFrame，而是返回一个新的副本。如果希望直接修改原始数据结构，需显式传递参数 `inplace=True`[^3]。 - 若试图移除不存在的标签且未设定 `errors='ignore'`，则程序将抛出 KeyError 错误。 ---