drop方法有一个可选参数inplace，表明可对原数组作出修改并返回一个新数组。不管参数默认为False还是设置为True，原数组的内存值是不会改变的，区别在于原数组的内容是否直接被修改。默认为False,表明原数组内容并不改变，如果我们需要得到改变后的内容，需要将新结果赋给一个新的数组，即data = data.drop(['test','test2'],1)。
如果将inplace值设定为True,则原数组内容直接被改变。
测试程序如下
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
|
#增加两列空值
import numpy as np
data["test"] = np.nan
data["test2"] = np.nan
name gender age test2 test
0 jerry M 36 NaN NaN
1 emma F 23 NaN NaN
2 tony M 34 NaN NaN
4 bob M 20 NaN NaN
#查看此时data的内存地址
id(data)
128971088
#删除这两列，inplace默认为False
id(data.drop(['test','test2'],1))
128971888
#查看data,发现数据并未改变
data
name gender age test test2
0 jerry M 36 NaN NaN
1 emma F 23 NaN NaN
2 tony M 34 NaN NaN
4 bob M 20 NaN NaN
#查看data的ID
id(data)
128971088
#删除这两列，inplace设置为False
id(data.drop(['test','test2'],1,inplace = True))
1545984728
#查看data,数据已经改变
data
name gender age test test2
0 jerry M 36 NaN NaN
1 emma F 23 NaN NaN
2 tony M 34 NaN NaN
4 bob M 20 NaN NaN
#查看data的ID
id(data)
128971088
|
补充知识：python 使用del和drop方法删除DataFrame的列，使用drop方法一次删除多列
使用del和drop方法删除DataFrame中的列，使用drop方法一次删除多列
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
# 使用del, 一次只能删除一列，不能一次删除多列
# 只能使用 del df['密度'], 不能使用 del df[['密度', '含糖率']]
del df['密度']
# del df[['密度', '含糖率']] 报错
# 使用drop，有三种方法：
dt.drop(['密度', '含糖率'], axis=1, inplace=True) # inplace=True, 直接从内部删除
dt.drop(dt.columns[[0, 4, 8]], axis=1, inplace=True) # dt.columns[[0, 4, 8]] 直接使用索引查找列
|
以上这篇Python drop方法删除列之inplace参数实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/qq_38923076/article/details/82818524