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
补充知识：python 使用del和drop方法删除DataFrame的列，使用drop方法一次删除多列
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，也希望大家多多支持。
