使用int的python dataframe pandas drop column

我知道要删除列，您可以使用df.drop（'column name'，axis = 1）。有没有一种方法可以使用数字索引而不是列名来删除列？

您可以i像这样删除索引上的列：

df.drop(df.columns[i], axis=1)

如果列中有重复的名称，这可能会很奇怪，因此，您可以重命名要用新名称删除列的列。或者，您可以像这样重新分配DataFrame：

df = df.iloc[:, [j for j, c in enumerate(df.columns) if j != i]]

像这样删除多列：

cols = [1,2,4,5,12]
df.drop(df.columns[cols],axis=1,inplace=True)

inplace=True用于在数据框本身中进行更改，而无需将列放在数据框的副本上。如果您需要保持原样，请使用：

df_after_dropping = df.drop(df.columns[cols],axis=1)

如果存在多个具有相同名称的列，那么到目前为止给出的解决方案将删除所有列，而这可能并不是所要查找的。如果尝试删除一个实例以外的重复列，则可能是这种情况。下面的示例阐明了这种情况：

# make a df with duplicate columns 'x'
df = pd.DataFrame({'x': range(5) , 'x':range(5), 'y':range(6, 11)}, columns = ['x', 'x', 'y']) 


df
Out[495]: 
   x  x   y
0  0  0   6
1  1  1   7
2  2  2   8
3  3  3   9
4  4  4  10

# attempting to drop the first column according to the solution offered so far     
df.drop(df.columns[0], axis = 1) 
   y
0  6
1  7
2  8
3  9
4  10

如您所见，两个Xs列均被删除。替代解决方案：

column_numbers = [x for x in range(df.shape[1])]  # list of columns' integer indices

column_numbers .remove(0) #removing column integer index 0
df.iloc[:, column_numbers] #return all columns except the 0th column

   x  y
0  0  6
1  1  7
2  2  8
3  3  9
4  4  10

如您所见，这确实删除了仅第0列（第一个“ x”）。

您需要根据列在数据框中的位置来标识它们。例如，如果您要删除（删除）第2,3和5列，它将是

df.drop(df.columns[[2,3,5]], axis = 1)

如果您有两个具有相同名称的列。一种简单的方法是像这样手动重命名列：

df.columns = ['column1', 'column2', 'column3']

然后，您可以根据需要通过列索引进行删除，如下所示：-

df.drop(df.columns[1], axis=1, inplace=True)

df.column[1] 将删除索引1。

请记住，轴1 =列，轴0 =行。

如果您真的想使用整数（但是为什么呢？），则可以构建一个字典。

col_dict = {x: col for x, col in enumerate(df.columns)}

然后df = df.drop(col_dict[0], 1)将按需要工作

编辑：您可以将其放入为您执行此操作的函数中，尽管这样，每次调用它时都会创建字典

def drop_col_n(df, col_n_to_drop):
    col_dict = {x: col for x, col in enumerate(df.columns)}
    return df.drop(col_dict[col_n_to_drop], 1)

df = drop_col_n(df, 2)

您可以使用以下行删除前两列（或不需要的任何列）：

df.drop([df.columns[0], df.columns[1]], axis=1)

参考

由于可以有多个具有相同名称的列，我们应该首先重命名这些列。这是解决方案的代码。

df.columns=list(range(0,len(df.columns)))
df.drop(columns=[1,2])#drop second and third columns