Bunun basit olması gerektiğini düşünüyorum, ancak birkaç fikir denedim ve hiçbiri işe yaramadı:
last_row = len(DF)
DF = DF.drop(DF.index[last_row]) #<-- fail!
Negatif indeks kullanmayı denedim ama bu da hatalara neden oluyor. Hâlâ temel bir şeyi yanlış anlıyor olmalıyım.
Yanıtlar:
Son n satırı kaldırmak için:
df.drop(df.tail(n).index,inplace=True) # drop last n rows
Aynı şekilde, ilk n satırı bırakabilirsiniz:
df.drop(df.head(n).index,inplace=True) # drop first n rows
DF[:-n]
burada n, düşülecek son satır sayısıdır.
Son satırı bırakmak için:
DF = DF[:-1]
Python'da dizin konumlandırma 0 tabanlı olduğundan, indexkarşılık gelen konumda aslında bir öğe olmayacaktır len(DF). Bunun olması gerek 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]
Ancak, sadece yazmak çok daha basit DF[:-1].
Şaşırdım kimse bunu açmadı:
# To remove last n rows
df.head(-n)
# To remove first n rows
df.tail(-n)
1000 satırlık bir DataFrame üzerinde hız testi çalıştırmak, dilimlemenin ve head/ veya tailaşağıdakileri kullanmaktan ~ 6 kat daha hızlı olduğunu gösterir 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)
head()ve tail()bir görünüm oluştururken , drop()aslında bellekteki gösterimi değiştirir (yerinde değişiklik veya tamamen yeni bir veri çerçevesi oluşturur). Buna belgelerde bakmadım, lütfen birisi baksın. (eğer fark buysa: performans farkı için iyi bir açıklama ve birinin dikkatlice aralarında seçim yapması gerekiyor) /
head, tailve droptüm dönüş bir görünüm, bu doğrudur rağmen dropsize orijinal dataframe INPLACE değiştirme seçeneği sunar.
stats = pd.read_csv("C:\\py\\programs\\second pandas\\ex.csv")
İstatistiklerin Çıktısı:
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
sadece kullan skipfooter=1
skipfooter: int, varsayılan 0
Dosyanın altındaki atlanacak satır sayısı
stats_2 = pd.read_csv("C:\\py\\programs\\second pandas\\ex.csv", skipfooter=1, engine='python')
İstatistik_2 çıktısı
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 yeni bir dizi döndürür, bu nedenle og postunda tıkanmıştır; Dataframe'e dönüştürülmüş kötü biçimlendirilmiş bir csv dosyası nedeniyle bazı sütun başlıklarını yeniden adlandırmak ve bazı satırları sildim, bu yüzden bu yazıyı okuduktan sonra kullandım:
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)
ve harika çalıştı, yukarıdaki iki açıklama satırıyla görebileceğiniz gibi drop. () yöntemini denedim ve işe yarıyor, ancak [n: -n] kullanmak kadar okunaklı değil, umarım birine yardımcı olur, teşekkürler.
Çoklu Dizini olan ("Stok" ve "Tarih" diyelim) ve biri son Stokun son satırı değil, her Hisse için son satırı kaldırmak isteyen daha karmaşık DataFrame'ler için, çözüm şunu okur:
# 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)
As groupby()Çoklu Endeksine ek bir seviyeye ekliyor biz sadece kullanılarak sonuna bırakırsanız reset_index(). Ortaya çıkan df, işlemden önceki ile aynı tür Çoklu Dizini korur.
DF = DF[:-1]?