我认为这应该很简单，但我尝试了一些想法，但没有一个奏效:
last_row = len(DF)
DF = DF.drop(DF.index[last_row]) #<-- fail!
我试过使用负号，但这也会导致错误。我肯定还是误解了一些基本的东西。
当前回答
使用索引
df.iloc[:-1,:]
这就是iloc存在的原因。你也可以用head或tail。
其他回答
我发现的最好的解决方案是不(不一定?)完全复制
df.drop(df.index[-1], inplace=True)
当然，你可以简单地省略inplace=True来创建一个新的数据框架，你也可以通过简单地截取df的切片轻松地删除最后N行。指数(df。index[-N:]删除最后N行)。因此，这种方法不仅简洁，而且非常灵活。
DF[:-n]
其中n是最后要删除的行数。
删除最后一行:
DF = DF[:-1]
使用索引
df.iloc[:-1,:]
这就是iloc存在的原因。你也可以用head或tail。
删除最后n行:
df.drop(df.tail(n).index,inplace=True) # drop last n rows
通过同样的方式，可以删除前n行:
df.drop(df.head(n).index,inplace=True) # drop first n rows
stats = pd.read_csv("C:\\py\\programs\\second pandas\\ex.csv")
统计数据输出:
A B C
0 0.120064 0.785538 0.465853
1 0.431655 0.436866 0.640136
2 0.445904 0.311565 0.934073
3 0.981609 0.695210 0.911697
4 0.008632 0.629269 0.226454
5 0.577577 0.467475 0.510031
6 0.580909 0.232846 0.271254
7 0.696596 0.362825 0.556433
8 0.738912 0.932779 0.029723
9 0.834706 0.002989 0.333436
只需使用skipfooter=1
Skipfooter: int，默认为0 文件底部要跳过的行数
stats_2 = pd.read_csv("C:\\py\\programs\\second pandas\\ex.csv", skipfooter=1, engine='python')
stats_2的输出
A B C
0 0.120064 0.785538 0.465853
1 0.431655 0.436866 0.640136
2 0.445904 0.311565 0.934073
3 0.981609 0.695210 0.911697
4 0.008632 0.629269 0.226454
5 0.577577 0.467475 0.510031
6 0.580909 0.232846 0.271254
7 0.696596 0.362825 0.556433
8 0.738912 0.932779 0.029723
