在进行特征工程、划分数据集的工作中 drop()函数都能派上用场。它可以轻松剔除数据、操作列和操作行等。

drop()详细的语法如下

删除行是index 删除列是columns

DataFrame.drop(labels None, axis 0, index None, columns None, inplace False)

参数

labels 要删除的行或列的标签 可以是单个标签 也可以是标签列表。

axis 要删除的行或列的轴 0表示行 1表示列。

index 要删除的行的索引 可以是单个索引 也可以是索引列表。

columns 要删除的列的列名 可以是单个列名 也可以是列名列表。

inplace 是否在原DataFrame上进行操作 默认为False 即不在原DataFrame上进行操作。

删除列

使用场景1 删除不需要的特征。

例如 有些特征对结果的影响不大 就可以把与因变量不相关的自变量删掉 为了避免多重共线性 要把有强相关关系的自变量删掉。

df data.drop(data[[ RowNumber , CustomerId , Surname ]],axis 1)df

代码讲解

data是数据集 两个中括号代表DataFrame格式 里面筛选了3个要删除的字段

axis 1代表操作列

运行结果

使用场景2 把因变量删掉

# 自变量、因变量x_data df.drop([ Exited ],axis 1)y_data df[ Exited ]x_data

代码讲解

drop()函数里面填写要删除的字段 表示从df中删除名为“Exited”的列

[ Exited ]这一个字段是我们要剔除的因变量 单个字段可以这样表示

运行结果

删除行

使用场景3 在划分数据集的时候 生成了训练集 把被分到训练集的样本剔除掉 剩下的就是测试集了。

#划分训练集train_data data.sample(frac 0.8, random_state 0)#测试集test_data data.drop(train_data.index)

代码讲解

drop()函数里面填行索引可以删除掉行

train_data是我们划分好的训练集 train_data.index表示行索引

axis 0 表示的是删除行 也可以不写 是默认值

关注博主即可阅读全文

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

更多文章请关注《万象专栏》