### 删除 DataFrame 中的行数据并保留结构 在 Pandas 中，`drop` 方法可以用于删除 DataFrame 中的行或列。如果需要删除行数据并保留原始结构，可以通过指定 `axis=0` 来实现。例如，以下代码展示了如何删除特定索引的行： ```python import pandas as pd df = pd.DataFrame({ 'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': [9, 10, 11, 12] }, index=['row1', 'row2', 'row3', 'row4']) # 删除行 'row2' df_dropped = df.drop('row2', axis=0) print(df_dropped) ``` 上述代码中，`df.drop('row2', axis=0)` 删除了索引为 `'row2'` 的行，并返回一个新的 DataFrame[^2]。 #### `inplace` 参数的作用 `inplace` 参数决定了是否对原始 DataFrame 进行就地修改。当 `inplace=True` 时，`drop` 操作会直接修改原始 DataFrame，而不会返回新的对象。例如： ```python df.drop('row3', axis=0, inplace=True) print(df) ``` 执行上述代码后，原始 DataFrame `df` 将不再包含索引为 `'row3'` 的行[^2]。 如果设置 `inplace=False`（默认值），则 `drop` 方法会返回一个新的 DataFrame，而原始 DataFrame 不会发生变化。例如： ```python new_df = df.drop('row4', axis=0) print(new_df) # 新的 DataFrame 不包含 'row4' print(df) # 原始 DataFrame 保持不变 ``` #### 保留结构的操作 为了在删除行的同时保留 DataFrame 的结构，可以确保不改变列名和索引类型。即使删除了某些行，DataFrame 的列名和索引类型仍然保持不变。例如： ```python df_after_drop = df.drop(['row1', 'row2'], axis=0) print(df_after_drop.columns) # 列名保持不变 print(df_after_drop.index) # 索引类型保持不变 ``` 上述代码中，即使删除了多行，`df_after_drop` 的列名和索引类型依然与原始 DataFrame 一致。 ### 注意事项 如果尝试将 `inplace=True` 的返回值赋给变量，则该变量的值将为 `None`，因为 `inplace=True` 时方法不会返回任何值。例如： ```python result = df.drop('row1', axis=0, inplace=True) print(result) # 输出 None ``` #### 示例总结 - 使用 `drop` 方法删除行时，可以通过 `axis=0` 指定操作目标。 - `inplace=True` 表示直接修改原始 DataFrame，而不返回新对象。 - 如果需要保留结构，只需确保列名和索引类型不发生变化。 ```python # 删除行并保留结构 df.drop(['row1', 'row2'], axis=0, inplace=True) print(df) # 原始 DataFrame 已被修改 ```