如何删除熊猫数据框的最后一行数据答案

【问题标题】：How to delete the last row of data of a pandas dataframe如何删除熊猫数据框的最后一行数据
【发布时间】：2021-06-04 04:54:01
【问题描述】：

我认为这应该很简单，但我尝试了一些想法，但都没有奏效：

last_row = len(DF)
DF = DF.drop(DF.index[last_row])  #<-- fail!

我尝试使用负索引，但这也会导致错误。我一定还是误解了一些基本的东西。

【问题讨论】：

DF = DF[:-1]?
@U2EF1 这会复制整个数据集，不是吗？在处理大量数据时，这可能是个问题。
如果last_row取DF的长度，则需要使用(last_row-1)进行索引。
最好使用df.shape[0] 而不是len(df) 来获取行数。

标签： python pandas

【解决方案1】：

删除最后 n 行：

df.drop(df.tail(n).index,inplace=True) # drop last n rows

同样，您可以删除前 n 行：

df.drop(df.head(n).index,inplace=True) # drop first n rows

【讨论】：

要删除最后一列，您可以使用 df.drop(df.columns[-1], axis=1, inplace=True) 或者，如果您知道列的名称，您可以使用 df .drop(columns=['col_name'], inplace=True) - 如果您不希望它就地执行，请将其分配给一个新变量并删除该参数。
此方法仅在最后一行的索引唯一时才有效，因为它会删除与最后 n 行具有相同索引的所有行。 @blue-sky 的回答似乎更合适

【解决方案2】：

DF[:-n]

其中 n 是最后要删除的行数。

删除最后一行：

DF = DF[:-1]

【讨论】：

这行得通，但我怀疑 Wes McKinney 不会喜欢它。为什么不使用 Pandas 内置的东西？
可能因为我收到一个错误而被弃用，它正在寻找一个名为 -1 的列。不得不使用df = df.iloc[:-1]

【解决方案3】：

由于 Python 中的索引定位是从 0 开始的，因此在 index 中与 len(DF) 对应的位置实际上不会有元素。你需要last_row = len(DF) - 1:

In [49]: dfrm
Out[49]: 
          A         B         C
0  0.120064  0.785538  0.465853
1  0.431655  0.436866  0.640136
2  0.445904  0.311565  0.934073
3  0.981609  0.695210  0.911697
4  0.008632  0.629269  0.226454
5  0.577577  0.467475  0.510031
6  0.580909  0.232846  0.271254
7  0.696596  0.362825  0.556433
8  0.738912  0.932779  0.029723
9  0.834706  0.002989  0.333436

[10 rows x 3 columns]

In [50]: dfrm.drop(dfrm.index[len(dfrm)-1])
Out[50]: 
          A         B         C
0  0.120064  0.785538  0.465853
1  0.431655  0.436866  0.640136
2  0.445904  0.311565  0.934073
3  0.981609  0.695210  0.911697
4  0.008632  0.629269  0.226454
5  0.577577  0.467475  0.510031
6  0.580909  0.232846  0.271254
7  0.696596  0.362825  0.556433
8  0.738912  0.932779  0.029723

[9 rows x 3 columns]

不过，写DF[:-1] 要简单得多。

【讨论】：

请注意，使用 dfrm.index 删除时，最后一行的索引应该是唯一的，否则所有具有该索引的行都会被删除。
我是否理解正确，使用 drop (inplace=True) 可以修改现有的 df，而使用 df[:-1] 可以查看数据，稍后会导致 SettingWithCopyWarning？

【解决方案4】：

很惊讶没有人提出这个：

# To remove last n rows
df.head(-n)

# To remove first n rows
df.tail(-n)

对 1000 行的 DataFrame 运行速度测试表明，切片和 head/tail 比使用 drop 快约 6 倍：

>>> %timeit df[:-1]
125 µs ± 132 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

>>> %timeit df.head(-1)
129 µs ± 1.18 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

>>> %timeit df.drop(df.tail(1).index)
751 µs ± 20.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

【讨论】：

也许这两种方法的区别在于 head() 和 tail() 创建一个 view 而 drop() 实际上改变了内存中的表示（就地修改，或者创建一个全新的数据框）。我没有在文档中查找此内容，请有人这样做。（如果这就是区别：对性能差异的很好解释，需要在它们之间仔细选择）/
@Dr.Jan-PhilipGehrcke Head head、tail 和 drop 都返回一个视图，尽管 drop 确实为您提供了就地修改原始数据框的选项。

【解决方案5】：

只使用索引

df.iloc[:-1,:]

这就是 iloc 存在的原因。您也可以使用 head 或 tail。

【讨论】：

考虑扩展您的答案并解释您的解决方案的工作原理和原因

【解决方案6】：

我发现的最好的解决方案是（不一定？）完全复制

df.drop(df.index[-1], inplace=True)

当然，您可以简单地省略 inplace=True 来创建一个新的数据框，您还可以通过简单地获取 df.index 的切片轻松删除最后 N 行（df.index[-N:] 删除最后 N 行）。所以这种方式不仅简洁而且非常灵活。

【讨论】：

【解决方案7】：

stats = pd.read_csv("C:\\py\\programs\\second pandas\\ex.csv")

统计输出：

       A            B          C
0   0.120064    0.785538    0.465853
1   0.431655    0.436866    0.640136
2   0.445904    0.311565    0.934073
3   0.981609    0.695210    0.911697
4   0.008632    0.629269    0.226454
5   0.577577    0.467475    0.510031
6   0.580909    0.232846    0.271254
7   0.696596    0.362825    0.556433
8   0.738912    0.932779    0.029723
9   0.834706    0.002989    0.333436

只需使用skipfooter=1

skipfooter : int，默认 0

要跳过的文件底部的行数

stats_2 = pd.read_csv("C:\\py\\programs\\second pandas\\ex.csv", skipfooter=1, engine='python')

stats_2 的输出

       A          B            C
0   0.120064    0.785538    0.465853
1   0.431655    0.436866    0.640136
2   0.445904    0.311565    0.934073
3   0.981609    0.695210    0.911697
4   0.008632    0.629269    0.226454
5   0.577577    0.467475    0.510031
6   0.580909    0.232846    0.271254
7   0.696596    0.362825    0.556433
8   0.738912    0.932779    0.029723

【讨论】：

【解决方案8】：

drop 返回一个新数组，这就是它在 og 帖子中阻塞的原因；由于格式不正确的 csv 文件转换为 Dataframe，我有一个类似的要求来重命名一些列标题并删除了一些行，所以在阅读了这篇文章后，我使用了：

newList = pd.DataFrame(newList)
newList.columns = ['Area', 'Price']
print(newList)
# newList = newList.drop(0)
# newList = newList.drop(len(newList))
newList = newList[1:-1]
print(newList)

而且效果很好，正如您在上面注释掉的两行中看到的那样，我尝试了 drop.() 方法，它可以工作，但不像使用 [n:-n] 那样简洁和可读，希望对某人有所帮助，谢谢。

【讨论】：

这与已经存在的许多其他答案完全相同。

【解决方案9】：

对于具有多索引（例如“Stock”和“Date”）并且想要删除每个 Stock 的最后一行而不仅仅是最后一个 Stock 的最后一行的更复杂的 DataFrame，则解决方案如下：

# To remove last n rows
df = df.groupby(level='Stock').apply(lambda x: x.head(-1)).reset_index(0, drop=True)

# To remove first n rows
df = df.groupby(level='Stock').apply(lambda x: x.tail(-1)).reset_index(0, drop=True)

由于groupby() 正在向多索引添加一个额外的级别，我们只需在末尾使用reset_index() 将其删除。生成的 df 保持与操作前相同类型的 Multi-Index。

【讨论】：

【解决方案10】：

你知道吗，你只需要在第一行给-1，就像这样

last_row = len(DF) - 1
DF = DF.drop(DF.index[last_row])

【讨论】：