我惊讶地发现，在Pandas中，如果你想按名称删除列，my_dataframe.drop(['column_name_one','column_name_two','column_name_three'])工作，但是my_dataframe.drop(('column_name_one','column_name_two','column_name_three'))这一设计决定是否有技术上的原因，或哲学上的理由？
my_dataframe.drop(['column_name_one','column_name_two','column_name_three'])
my_dataframe.drop(('column_name_one','column_name_two','column_name_three'))
mzillmmw1#
方法文件规定：元组将被用作单个标签，而不被视为类似列表的标签。驱动这些语义的是：1.该方法接受单个标记为有效，即你可以用df.drop('foo')代替df.drop(['foo'])1.元组是Pandas中的有效列名。因此，根据这些事实，如果元组可以被解释为标签序列，那么df.drop(('foo', 'bar'))将是二义性的：是删除一列('foo', 'bar')，还是删除两列'foo'和'bar'？因此，我们以您观察到的行为结束，其中元组和列表被不等价地处理。
df.drop('foo')
df.drop(['foo'])
df.drop(('foo', 'bar'))
('foo', 'bar')
'foo'
'bar'
1条答案
按热度按时间mzillmmw1#
方法文件规定：
元组将被用作单个标签，而不被视为类似列表的标签。
驱动这些语义的是：
1.该方法接受单个标记为有效，即你可以用
df.drop('foo')代替df.drop(['foo'])1.元组是Pandas中的有效列名。
因此，根据这些事实，如果元组可以被解释为标签序列，那么
df.drop(('foo', 'bar'))将是二义性的：是删除一列('foo', 'bar')，还是删除两列'foo'和'bar'？因此，我们以您观察到的行为结束，其中元组和列表被不等价地处理。