drop方法有一个可选参数inplace，表明可对原数组作出修改并返回一个新数组。不管参数默认为False还是设置为True，原数组的内存值是不会改变的，区别在于原数组的内容是否直接被修改。默认为False,表明原数组内容并不改变，如果我们需要得到改变后的内容，需要将新结果赋给一个新的数组，即data = data.drop(['test','test2'],1)。

如果将inplace值设定为True,则原数组内容直接被改变。

测试程序如下

#增加两列空值
import numpy as np
data["test"] = np.nan
data["test2"] = np.nan
  
name    gender  age test2   test
0   jerry   M   36  NaN NaN
1   emma    F   23  NaN NaN
2   tony    M   34  NaN NaN
4   bob M   20  NaN NaN
  
#查看此时data的内存地址
id(data)
128971088
  
#删除这两列，inplace默认为False
id(data.drop(['test','test2'],1))
128971888
  
#查看data,发现数据并未改变
data
name    gender  age test    test2
0   jerry   M   36  NaN NaN
1   emma    F   23  NaN NaN
2   tony    M   34  NaN NaN
4   bob M   20  NaN NaN
  
#查看data的ID
id(data)
128971088
  
#删除这两列，inplace设置为False
id(data.drop(['test','test2'],1,inplace = True))
1545984728
  
#查看data,数据已经改变
data
name    gender  age test    test2
0   jerry   M   36  NaN NaN
1   emma    F   23  NaN NaN
2   tony    M   34  NaN NaN
4   bob M   20  NaN NaN
  
#查看data的ID
id(data)
128971088

使用del和drop方法删除DataFrame中的列，使用drop方法一次删除多列

# 使用del, 一次只能删除一列，不能一次删除多列
# 只能使用 del df['密度'], 不能使用 del df[['密度', '含糖率']]
  
del df['密度']
  
# del df[['密度', '含糖率']] 报错
# 使用drop，有三种方法：
  
dt = dt.drop(['密度', '含糖率'], axis=1) # axis=1 表示删除列，['密度', '含糖率'] 要删除的col的列表，可一次删除多列
  
dt.drop(['密度', '含糖率'], axis=1, inplace=True) # inplace=True, 直接从内部删除
  
dt.drop(dt.columns[[0, 4, 8]], axis=1, inplace=True) # dt.columns[[0, 4, 8]] 直接使用索引查找列

以上这篇Python drop方法删除列之inplace参数实例就是小编分享给大家的全部内容了，希望能给大家一个参考

原文来自：

本文地址：//gulass.cn/python-linux-inplace.html编辑：向金平，审核员：逄增宝

Linux大全：

Linux系统大全：

红帽认证RHCE考试心得：