So löschen Sie die letzte Datenzeile eines Pandas-Datenrahmens

Ich denke, das sollte einfach sein, aber ich habe ein paar Ideen ausprobiert und keine davon hat funktioniert:

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

Ich habe versucht, negative Indizes zu verwenden, aber das führte auch zu Fehlern. Ich muss immer noch etwas Grundlegendes falsch verstehen.

So löschen Sie die letzten n Zeilen:

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

Auf die gleiche Weise können Sie die ersten n Zeilen löschen:

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

DF[:-n]

Dabei ist n die letzte Anzahl von Zeilen, die gelöscht werden sollen.

So löschen Sie die letzte Zeile:

DF = DF[:-1]

Da die Indexpositionierung in Python auf 0 basiert, befindet sich indexan der entsprechenden Stelle kein Element len(DF). Das muss sein 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]

Es ist jedoch viel einfacher, nur zu schreiben DF[:-1].

Überrascht brachte niemand dieses Thema zur Sprache:

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

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

Das Ausführen eines Geschwindigkeitstests auf einem DataFrame mit 1000 Zeilen zeigt, dass das Schneiden und head/ tailoder ~ 6-mal schneller ist als die Verwendung von 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")

Die Ausgabe von Statistiken:

       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

benutz einfach skipfooter=1

skipfooter: int, Standard 0

Anzahl der zu überspringenden Zeilen am Ende der Datei

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

Ausgabe von stats_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 gibt ein neues Array zurück, weshalb es im og-Post erstickt ist. Ich hatte eine ähnliche Anforderung, einige Spaltenüberschriften umzubenennen und einige Zeilen aufgrund einer schlecht geformten CSV-Datei zu löschen, die in Dataframe konvertiert wurde. Nachdem ich diesen Beitrag gelesen hatte, verwendete ich:

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)

und es hat großartig funktioniert, wie Sie an den beiden auskommentierten Zeilen oben sehen können. Ich habe die drop. () -Methode ausprobiert und sie funktioniert, ist aber nicht so cool und lesbar wie die Verwendung von [n: -n]. Ich hoffe, das hilft jemandem, danke.

Bei komplexeren DataFrames mit einem Multi-Index (z. B. "Stock" und "Date"), bei denen die letzte Zeile für jeden Stock entfernt werden soll, nicht nur die letzte Zeile des letzten Stocks, lautet die Lösung:

# 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)

Da der groupby()Multi-Index um eine zusätzliche Ebene erweitert wird, lassen wir ihn am Ende einfach mit fallen reset_index(). Der resultierende df behält den gleichen Typ von Multi-Index wie vor der Operation bei.