maxframe.dataframe.Series.drop#

Series.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')#

返回移除指定索引标签后的 Series。

根据指定的索引标签移除 Series 中的元素。当使用多级索引时，可以通过指定级别来移除不同级别的标签。

参数:

labels (single label or list-like) -- 要删除的索引标签。
axis (0, default 0) -- 对 Series 应用是多余的。
index (single label or list-like) -- 对 Series 应用是多余的，但可以使用 'index' 替代 'labels'。 .. versionadded:: 0.21.0
columns (single label or list-like) -- 不会对 Series 造成更改；请改用 'index' 或 'labels'。 .. versionadded:: 0.21.0
level (int or level name, optional) -- 对于 MultiIndex，指定要移除标签的级别。
inplace (bool, default False) -- 如果为 True，则就地操作并返回 None。
errors ({'ignore', 'raise'}, default 'raise') -- 请注意该参数仅为了兼容性而保留，即使 errors=='raise' 也不会引发错误。

返回:

移除指定索引标签后的 Series。

返回类型:

Series

抛出:

KeyError -- 如果索引中找不到任何指定的标签。

参见

Series.reindex: 仅返回 Series 中指定的索引标签。
Series.dropna: 返回不包含空值的 Series。
Series.drop_duplicates: 返回移除重复值后的 Series。
DataFrame.drop: 从行或列中删除指定的标签。

示例

>>> import numpy as np
>>> import pandas as pd
>>> import maxframe.dataframe as md
>>> s = md.Series(data=np.arange(3), index=['A', 'B', 'C'])
>>> s.execute()
A  0
B  1
C  2
dtype: int64

删除标签 B 和 C

>>> s.drop(labels=['B', 'C']).execute()
A  0
dtype: int64

删除 MultiIndex Series 中第二级的标签

>>> midx = pd.MultiIndex(levels=[['lame', 'cow', 'falcon'],
...                              ['speed', 'weight', 'length']],
...                      codes=[[0, 0, 0, 1, 1, 1, 2, 2, 2],
...                             [0, 1, 2, 0, 1, 2, 0, 1, 2]])
>>> s = md.Series([45, 200, 1.2, 30, 250, 1.5, 320, 1, 0.3],
...               index=midx)
>>> s.execute()
lame    speed      45.0
        weight    200.0
        length      1.2
cow     speed      30.0
        weight    250.0
        length      1.5
falcon  speed     320.0
        weight      1.0
        length      0.3
dtype: float64

>>> s.drop(labels='weight', level=1).execute()
lame    speed      45.0
        length      1.2
cow     speed      30.0
        length      1.5
falcon  speed     320.0
        length      0.3
dtype: float64