drop

Função drop §

A função drop() é uma importante função da biblioteca Pandas em Python, utilizada para remover linhas ou colunas de um DataFrame. Essa função permite que você exclua dados indesejados ou realiza modificações em um DataFrame sem a necessidade de criar um novo objeto.

Sintaxe:

dataframe.drop(labels, axis=0, inplace=False)

Principais parâmetros:

• labels: Obrigatório. Pode ser um rótulo único ou uma lista de rótulos, representando as linhas ou colunas que você deseja remover.

• axis: Opcional. Especifica o eixo ao longo do qual a remoção deve ocorrer. Pode ser 0 para remover linhas (registros) ou 1 para remover colunas. Deve-se passar os índices das linhas que deseja remover, e para isso você pode utilizar o atributo index do DataFrame.

• inplace: Opcional. Se True, a modificação é realizada no próprio DataFrame, e a função não retorna nada (None). Se False (padrão), a função retorna um novo DataFrame sem as linhas ou colunas especificadas.

Exemplos:

1. Remover linhas de um DataFrame:

   import pandas as pd
    
   data = {'Nome': ['João', 'Maria', 'Pedro'],
           'Idade': [25, 30, 22],
           'Cidade': ['São Paulo', 'Rio de Janeiro', 'Belo Horizonte']}
    
   df = pd._DataFrame_(data)
    
   # Remover a linha de índice 1
   df_sem_linha = df.drop(1)
   print(df_sem_linha)
    
   # Saída:
   #    Nome  Idade        Cidade
   # 0  João     25     São Paulo
   # 2 Pedro     22  Belo Horizonte

2. Remover colunas de um DataFrame:

   # Remover a coluna 'Cidade'
   df_sem_coluna = df.drop('Cidade', axis=1)
   print(df_sem_coluna)
    
   # Saída:
   #     Nome  Idade
   # 0   João     25
   # 1  Maria     30
   # 2  Pedro     22

3. Remover linhas e colunas ao mesmo tempo:

   # Remover a linha de índice 1 e a coluna 'Cidade'
   df_sem_linha_coluna = df.drop(df[df["Idade"] >= 30].index).drop('Cidade', axis=1)
   print(df_sem_linha_coluna)
   # Saída:
   #    Nome  Idade
   # 0  João     25
   # 2 Pedro     22

A função drop() é uma ferramenta útil para manipulação e limpeza de dados em DataFrames, permitindo que você realize operações de exclusão de forma eficiente. É importante observar que a função por padrão retorna um novo DataFrame com as modificações, preservando o DataFrame original. Caso você queira modificar o DataFrame original, você pode usar o parâmetro inplace=True.