select pandas 行排除索引号

Question

不太清楚为什么我想不通。我正在寻找使用索引号对 Pandas 数据帧进行切片。我有一个 list/core 索引，其中包含我不需要的索引号，如下所示

 pandas.core.index.Int64Index

 Int64Index([2340, 4840, 3163, 1597, 491 , 5010, 911 , 3085, 5486, 5475, 1417, 2663, 4204, 156 , 5058, 1990, 3200, 1218, 3280, 793 , 824 , 3625, 1726, 1971, 2845, 4668, 2973, 3039, 376 , 4394, 3749, 1610, 3892, 2527, 324 , 5245, 696 , 1239, 4601, 3219, 5138, 4832, 4762, 1256, 4437, 2475, 3732, 4063, 1193], dtype=int64)

如何创建一个不包括这些索引号的新数据框。我试过了

df.iloc[combined_index]

显然这只显示了具有这些索引号的行（与我想要的相反）。任何帮助将不胜感激

Answer 1

您可以使用 pd.Int64Index(np.arange(len(df))).difference(index) 来形成一个新的序数索引。例如，如果我们要删除与序号索引 [1,3,5] 关联的行，则

import numpy as np
import pandas as pd

index = pd.Int64Index([1,3,5], dtype=np.int64)
df = pd.DataFrame(np.arange(6*2).reshape((6,2)), index=list('ABCDEF'))
#     0   1
# A   0   1
# B   2   3
# C   4   5
# D   6   7
# E   8   9
# F  10  11

new_index = pd.Int64Index(np.arange(len(df))).difference(index)
print(df.iloc[new_index])

产量

Answer 2

不确定这是否是您要查找的内容，将此作为答案发布，因为评论太长了：

In [31]: d = {'a':[1,2,3,4,5,6], 'b':[1,2,3,4,5,6]}

In [32]: df = pd.DataFrame(d)

In [33]: bad_df = df.index.isin([3,5])

In [34]: df[~bad_df]
Out[34]: 
   a  b
0  1  1
1  2  2
2  3  3
4  5  5

Answer 3

可能更简单的方法是使用布尔索引，然后切片通常做这样的事情：

df[~df.index.isin(list_to_exclude)]

Answer 4

只需使用 .drop 并将要排除的索引列表传递给它即可。

import pandas as pd

df = pd.DataFrame({"a": [10, 11, 12, 13, 14, 15]})


df.drop([1, 2, 3], axis=0)

输出这个。

Answer 5

假设存在一个DataFrame df

In [4]: df = pd.DataFrame({'a': range(4), 'b': ['a', 'b', 'c', 'd']})

In [5]: df
Out[5]: 
   a  b
0  0  a
1  1  b
2  2  c
3  3  d

并且你想删除索引 [1, 3]，你可以使用 isin inside query:

In [6]: df.query('~index.isin([1,3]).values')
Out[6]: 
   a  b
0  0  a
2  2  c

需要

~ 来否定查询。

select pandas 行排除索引号

select pandas rows by excluding index number

python

pandas