前言
这个女娃娃是否有一种初恋的感觉呢，但是她很明显不是一个真正意义存在的图片，我们需要很复杂的推算以及各种炼丹模型生成的AI图片，我自己认为难度系数很高，我仅仅用了64个文字形容词就生成了她，很有初恋的感觉，符合审美观，对于计算机来说她是一组数字，可是这个数字是怎么推断出来的就是很复杂了，我们在模型训练中可以看到基本上到处都存在着Pandas处理，在最基础的OpenCV中也会有很多的Pandas处理，所以我OpenCV写到一般就开始写这个专栏了，因为我发现没有Pandas处理基本上想好好的操作图片数组真的是相当的麻烦，可以在很多AI大佬的文章中发现都有这个Pandas文章，每个人的写法都不同，但是都是适合自己理解的方案，我是用于教学的，故而我相信我的文章更适合新晋的程序员们学习，期望能节约大家的事件从而更好的将精力放到真正去实现某种功能上去。本专栏会更很多，只要我测试出新的用法就会添加，持续更新迭代，可以当做【Pandas字典】来使用，期待您的三连支持与帮助。
环境
系统环境：win11
Python版本：python3.9
编译工具：PyCharm Community Edition 2022.3.1
Numpy版本：1.19.5
Pandas版本：1.4.4
基础函数的使用
Pandas数据处理——渐进式学习、DataFrame(函数检索-请使用Ctrl+F搜索)
drop函数
函数语法：
drop(labels, axis=0, level=None, inplace=False, errors='raise')
参数说明：
axis：指定按照行进行删除，还是按照列进行删除，如果设置为0，那么则删除行，如果为1，则删除列。
index：index是按照行删除时传入的参数，需要传入的是一个列表，包含待删除行的索引编号。
columns：columns是按照列删除时的参数，同样传入的是一个列表，包含需要删除列的名称。
编码测试
这里先创建一个测试数据
import pandas as pd import numpy as np df = pd.DataFrame( {'name': ['张丽华', '李诗诗', '王语嫣', '赵飞燕', '阮玲玉'], 'sex': ['girl', 'woman', np.nan, 'girl', 'woman'], 'age': [22, np.nan, 16, np.nan, 27] } ) print(df)
drop函数axis参数测试
axis=0
axis参数测试，我们使用axis=0.删除行标为【1,2,3】的行。也就是删除行。
import pandas as pd import numpy as np df = pd.DataFrame( {'name': ['张丽华', '李诗诗', '王语嫣', '赵飞燕', '阮玲玉'], 'sex': ['girl', 'woman', np.nan, 'girl', 'woman'], 'age': [22, np.nan, 16, np.nan, 27] } ) print(df) print("----drop----") # drop使用 df = df.drop([0, 1, 2], axis=0) print(df)
实际效果：
axis=1
axis参数测试，我们使用axis=1。也就是删除列。
import pandas as pd import numpy as np df = pd.DataFrame( {'name': ['张丽华', '李诗诗', '王语嫣', '赵飞燕', '阮玲玉'], 'sex': ['girl', 'woman', np.nan, 'girl', 'woman'], 'age': [22, np.nan, 16, np.nan, 27] } ) print(df) print("----drop----") # drop使用 df = df.drop(["age"], axis=1) print(df)
删除效果：
drop函数index参数测试
删除行，这里index=[0,1,2]删除前三行
import pandas as pd import numpy as np df = pd.DataFrame( {'name': ['张丽华', '李诗诗', '王语嫣', '赵飞燕', '阮玲玉'], 'sex': ['girl', 'woman', np.nan, 'girl', 'woman'], 'age': [22, np.nan, 16, np.nan, 27] } ) print(df) print("----drop_index----") # drop使用 df = df.drop(index=[0, 1, 2]) print(df)
删除效果：
drop函数columns参数测试
很明显，columns参数就是删除列。
import pandas as pd import numpy as np df = pd.DataFrame( {'name': ['张丽华', '李诗诗', '王语嫣', '赵飞燕', '阮玲玉'], 'sex': ['girl', 'woman', np.nan, 'girl', 'woman'], 'age': [22, np.nan, 16, np.nan, 27] } ) print(df) print("----drop_columns----") # drop使用 df = df.drop(columns=['name', 'sex']) print(df)
总结
这个函数与删除空值有些不同，这个是指定删除，就是人为确认某行或某列无用的时候进行具体的删除操作。
