Cách xóa hàng dữ liệu cuối cùng của khung dữ liệu gấu trúc

Tôi nghĩ điều này nên đơn giản, nhưng tôi đã thử một vài ý tưởng và không có ý tưởng nào trong số chúng hoạt động:

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

Tôi đã thử sử dụng các chỉ số âm nhưng điều đó cũng dẫn đến lỗi. Chắc tôi vẫn đang hiểu sai điều gì đó cơ bản.

Để thả n hàng cuối cùng:

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

Theo cùng một mạch, bạn có thể thả n hàng đầu tiên:

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

DF[:-n]

trong đó n là số hàng cuối cùng được thả.

Để thả hàng cuối cùng:

DF = DF[:-1]

Vì định vị chỉ mục trong Python dựa trên 0, nên sẽ không thực sự có một phần tử ở indexvị trí tương ứng với len(DF). Bạn cần điều đó để trở thành 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]

Tuy nhiên, nó đơn giản hơn nhiều nếu chỉ viết DF[:-1].

Ngạc nhiên là không ai đưa ra điều này:

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

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

Chạy thử nghiệm tốc độ trên DataFrame 1000 hàng cho thấy rằng việc cắt và head/ tailnhanh hơn ~ 6 lần so với việc sử dụng drop:

>>> %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)

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

Đầu ra của thống kê:

       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

chỉ dùng skipfooter=1

bỏ qua: int, mặc định 0

Số dòng ở cuối tệp cần bỏ qua

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

Đầu ra của thống kê_2

       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

drop trả về một mảng mới, đó là lý do tại sao nó bị nghẹt trong bài đăng og; Tôi đã có một yêu cầu tương tự để đổi tên một số tiêu đề cột và xóa một số hàng do tệp csv được định dạng sai được chuyển đổi thành Dataframe, vì vậy sau khi đọc bài đăng này, tôi đã sử dụng:

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)

và nó hoạt động tuyệt vời, như bạn có thể thấy với hai dòng bình luận ở trên, tôi đã thử phương thức drop. () và nó hoạt động nhưng không tốt và dễ đọc như sử dụng [n: -n], hy vọng rằng sẽ giúp được ai đó, cảm ơn.

Đối với các DataFrame phức tạp hơn có Đa chỉ mục (giả sử "Cổ phiếu" và "Ngày") và một người muốn xóa hàng cuối cùng cho mỗi Cổ phiếu không chỉ hàng cuối cùng của Kho hàng cuối cùng, thì giải pháp là:

# 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)

Vì groupby()đang thêm một mức bổ sung vào Đa chỉ mục, chúng tôi chỉ giảm nó vào cuối khi sử dụng reset_index(). Df kết quả giữ cùng một loại Chỉ mục đa như trước khi hoạt động.