在python中进行数据处理，经常会遇到有些元素内容是不需要的。需要进行删除或者替换。本篇就详细探讨一下各种数据类型(series,dataframe)下的删除方法
随机创建一个DataFrame数据

import pandas as pd
import numpy as np
data=pd.DataFrame(np.random.randint(10,size=(5,3)),columns=['a','b','c'])
>>>
	a	b	c
0	3	8	2
1	9	9	5
2	4	5	1
3	2	7	5
4	1	2	8

Series场景：

isin反函数删除不需要的列部分元素，适合大批量：
S数据类型直接使用isin会选出该列包含的指定内容，我们的需求是删除指定内容就需要用到isin的反函数。但是python目前没有类似isnotin这种函数，所以我们需要使用-号来实现isnotin的方法
!=比较运算符方式，适合少量或者用作与同时满足a条件与b条件的情况

isin:
Series的场景

print(data['c'][data['c'].isin([1])])
>>>
2    1
Name: c, dtype: int64

print(data['c'][-data['c'].isin([1])])
>>>
0    2
1    5
3    5
4    8
Name: c, dtype: int64

print(data['c'][-data['c'].isin([1,2])])
>>>
1    5
3    5
4    8
Name: c, dtype: int64

DataFrame场景：

print(data[-data.isin([1,2])])#按Series逻辑操作df发现会出现NAN并没有删除掉
>>>
	a	b	c
0	3.0	8.0	NaN
1	9.0	9.0	5.0
2	4.0	5.0	NaN
3	NaN	7.0	5.0
4	NaN	NaN	8.0
print(data[-data.isin([1,2])].dropna())#我们只需要再加一个dropna删除空值就好了
>>>
a	b	c
1	9.0	9.0	5.0

---

！=比较运算符：
Series的场景:

print(data['c'][data['c']!=1])
>>>
0    2
1    5
3    5
4    8
Name: c, dtype: int64

print(data['c'][(data['c']!=1)&((data['c']!=2))])
>>>
1    5
3    5
4    8
Name: c, dtype: int64

DataFrame场景：

分别删除a与b不同条件的数据

print(data[(data['a']!=1)&(data['c']!=2)]
>>>
	a	b	c
1	9	9	5
2	4	5	1
3	2	7	5

print(data[(data!=1)&(data!=2)].dropna()) #与isin原理相同
	a	b	c
1	9.0	9.0	5.0