Удаление строк данных на основе ввода

Question

У меня есть датафрейм, и мне было интересно, если python имеет функцию, похожую на LIKE, это SQL. Я хочу удалить все строки, где значение в первом столбце 'CLS'. Фрейм данных имеет ширину 10 столбцов, поэтому, если он найдет 'CLS' в первом столбце, он сможет удалить все строки, которые его содержат.

Answer 1

Если я не ошибаюсь, это может быть сделано

df = df[df.<"COL NAME"> != "CLS"]

Answer 2

Для этого можно использовать функцию pandas.DataFrame.drop:

df.drop(df[df['<yourColName'] == 'CLS' ].index , inplace=True)

---

Согласно этому веб-сайту:

• df['<yourColName'] == 'CLS' - даст объект серии с истиной и ложью. True для записей со значением CLS и False для других.

• df[df['<yourColName'] == 'CLS'] - даст новый объект dataframe, в котором есть только строки, для которых столбец 'yourColName' имеет значение CLS.

• df[df['<yourColName'] == 'CLS'].index - даст объект Index, содержащий метки индекса, для которого столбец yourColName имеет значение CLS.

• df.drop(df[df['<yourColName'] == 'CLS' ].index , inplace=True) - Передайте эту функцию DataFrame.Drop для удаления указанных строк.

---

Упрощенный пример:

import pandas as pd
df = pd.DataFrame({'Col0':['CLS',2,'CLS',4,5,6,7,'CLS',9,10],
                   'Col1':[1,2,3,4,5,6,7,8,9,10],
                   'Col2':[1,2,3,4,5,6,7,8,9,10],
                   'Col3':[1,2,3,4,5,6,7,8,9,10],
                   'Col4':[1,2,3,4,5,6,7,8,9,10],
                   'Col5':[1,2,3,4,5,6,7,8,9,10],
                   'Col6':[1,2,3,4,5,6,7,8,9,10],
                   'Col7':[1,2,3,4,5,6,7,8,9,10],
                   'Col8':[1,2,3,4,5,6,7,8,9,10],
                   'Col9':[1,2,3,4,5,6,7,8,9,10]})
df.drop(df[df['Col0'] == 'CLS' ].index , inplace=True)
print(df)

Печать:

  Col0  Col1  Col2  Col3  Col4  Col5  Col6  Col7  Col8  Col9
1    2     2     2     2     2     2     2     2     2     2
3    4     4     4     4     4     4     4     4     4     4
4    5     5     5     5     5     5     5     5     5     5
5    6     6     6     6     6     6     6     6     6     6
6    7     7     7     7     7     7     7     7     7     7
8    9     9     9     9     9     9     9     9     9     9
9   10    10    10    10    10    10    10    10    10    10

---