Cách xóa cột đầu tiên trong excel bằng Python

Xin chào độc giả. Trong bài viết này, chúng tôi sẽ tập trung vào các cách xóa một cột khỏi khung dữ liệu Python. Vì vậy, chúng ta hãy bắt đầu

Đầu tiên, DataFrame là gì?

Vì vậy, mọi người. Cuối cùng, trước khi hướng tới giải pháp, chúng tôi rất cần hiểu và nhớ lại ý nghĩa và sự tồn tại của DataFrame

DataFrame là cấu trúc dữ liệu được cung cấp bởi mô-đun Python Pandas. Nó lưu trữ các giá trị ở dạng hàng và cột. Do đó, chúng ta có thể có dữ liệu ở dạng ma trận biểu diễn các thực thể dưới dạng hàng và cột

DataFrame giống với tệp Excel hoặc CSV trong thế giới thực

Làm cách nào để xóa cột khỏi khung dữ liệu Python?

Vì vậy, khi đã hiểu về một khung dữ liệu, bây giờ chúng ta hãy tập trung vào các kỹ thuật để xóa hoàn toàn một cột khỏi Khung dữ liệu

1. Khung dữ liệu Python. phương thức pop[]

Chúng ta có thể sử dụng phương pháp pandas.dataframe.pop[] để xóa hoặc xóa một cột khỏi khung dữ liệu bằng cách chỉ cung cấp tên của cột làm đối số

cú pháp

pandas.dataframe.pop['column-name']

Thí dụ

import pandas as pd 
data = {"Roll-num": [10,20,30,40,50,60,70], "Age":[12,14,13,12,14,13,15], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']}
block = pd.DataFrame[data]
print["Original Data frame:\n"]
print[block]
block.pop['NAME']
print["\nData frame after deleting the column 'NAME':\n"]
print[block]

Ở đây, chúng tôi đã tạo một lệnh Python dưới dạng 'dữ liệu' và tiếp tục chuyển đổi nó thành khung dữ liệu bằng phương pháp

import pandas as pd 
data = {"Roll-num": [10,20,30,40,50,60,70], "Age":[12,14,13,12,14,13,15], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']}
block = pd.DataFrame[data]
print["Original Data frame:\n"]
print[block]
block.pop['NAME']
print["\nData frame after deleting the column 'NAME':\n"]
print[block]
0

Hơn nữa, chúng tôi đã áp dụng phương pháp

import pandas as pd 
data = {"Roll-num": [10,20,30,40,50,60,70], "Age":[12,14,13,12,14,13,15], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']}
block = pd.DataFrame[data]
print["Original Data frame:\n"]
print[block]
block.pop['NAME']
print["\nData frame after deleting the column 'NAME':\n"]
print[block]
1 để xóa cột

đầu ra

Original Data frame:

   Roll-num  Age    NAME
0        10   12    John
1        20   14  Camili
2        30   13  Rheana
3        40   12  Joseph
4        50   14  Amanti
5        60   13   Alexa
6        70   15    Siri

Data frame after deleting the column 'NAME':

   Roll-num  Age
0        10   12
1        20   14
2        30   13
3        40   12
4        50   14
5        60   13
6        70   15

2. Từ khóa del trong Python để xóa cột

Từ khóa del trong Python cũng có thể được sử dụng để xóa trực tiếp cột khỏi khung dữ liệu.

import pandas as pd 
data = {"Roll-num": [10,20,30,40,50,60,70], "Age":[12,14,13,12,14,13,15], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']}
block = pd.DataFrame[data]
print["Original Data frame:\n"]
print[block]
block.pop['NAME']
print["\nData frame after deleting the column 'NAME':\n"]
print[block]
2 thường được sử dụng để xóa hoặc loại bỏ các đối tượng trong Python

Hãy xem cú pháp dưới đây

cú pháp

del dataframe['column-name']

Thí dụ

import pandas as pd 
data = {"Roll-num": [10,20,30,40,50,60,70], "Age":[12,14,13,12,14,13,15], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']}
block = pd.DataFrame[data]
print["Original Data frame:\n"]
print[block]
del block["NAME"]
print["\nData frame after deleting the column 'NAME':\n"]
print[block]

đầu ra

Original Data frame:

   Roll-num  Age    NAME
0        10   12    John
1        20   14  Camili
2        30   13  Rheana
3        40   12  Joseph
4        50   14  Amanti
5        60   13   Alexa
6        70   15    Siri

Data frame after deleting the column 'NAME':

   Roll-num  Age
0        10   12
1        20   14
2        30   13
3        40   12
4        50   14
5        60   13
6        70   15

3. Hàm drop[] của Python để xóa một cột

import pandas as pd 
data = {"Roll-num": [10,20,30,40,50,60,70], "Age":[12,14,13,12,14,13,15], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']}
block = pd.DataFrame[data]
print["Original Data frame:\n"]
print[block]
block.pop['NAME']
print["\nData frame after deleting the column 'NAME':\n"]
print[block]
3 cho phép chúng tôi loại bỏ các giá trị từ khung dữ liệu. Các giá trị có thể là hướng hàng hoặc hướng cột

Hãy xem cú pháp dưới đây

dataframe.drop['column-name', inplace=True, axis=1]

  • import pandas as pd 
    data = {"Roll-num": [10,20,30,40,50,60,70], "Age":[12,14,13,12,14,13,15], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']}
    block = pd.DataFrame[data]
    print["Original Data frame:\n"]
    print[block]
    block.pop['NAME']
    print["\nData frame after deleting the column 'NAME':\n"]
    print[block]
    
    4. Bằng cách đặt nó thành TRUE, các thay đổi sẽ được lưu trữ vào một đối tượng mới được tạo và nó không làm thay đổi khung dữ liệu gốc
  • import pandas as pd 
    data = {"Roll-num": [10,20,30,40,50,60,70], "Age":[12,14,13,12,14,13,15], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']}
    block = pd.DataFrame[data]
    print["Original Data frame:\n"]
    print[block]
    block.pop['NAME']
    print["\nData frame after deleting the column 'NAME':\n"]
    print[block]
    
    5. 1 dành cho các hoạt động thông minh theo cột và 0 dành cho các hoạt động thông minh theo hàng

Thí dụ

import pandas as pd 
data = {"Roll-num": [10,20,30,40,50,60,70], "Age":[12,14,13,12,14,13,15], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']}
block = pd.DataFrame[data]
print["Original Data frame:\n"]
print[block]
block.drop['NAME', inplace=True, axis=1]
print["\nData frame after deleting the column 'NAME':\n"]
print[block]

đầu ra

Original Data frame:

   Roll-num  Age    NAME
0        10   12    John
1        20   14  Camili
2        30   13  Rheana
3        40   12  Joseph
4        50   14  Amanti
5        60   13   Alexa
6        70   15    Siri

Data frame after deleting the column 'NAME':

   Roll-num  Age
0        10   12
1        20   14
2        30   13
3        40   12
4        50   14
5        60   13
6        70   15

Phần kết luận

Đến đây, chúng ta đã đi đến cuối bài viết này. Hy vọng bài viết này hiểu rõ sự quan tâm của bạn để tốt hơn

Chủ Đề