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
你知道吗，你只需要在第一行给出-1，像这样
last_row = len(DF) - 1
DF = DF.drop(DF.index[last_row])
其他回答
由于Python中的索引定位是基于0的，因此在索引中对应len(DF)的位置实际上不会有一个元素。你需要last_row = len(DF) - 1:
In [49]: dfrm
Out[49]:
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
[10 rows x 3 columns]
In [50]: dfrm.drop(dfrm.index[len(dfrm)-1])
Out[50]:
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 rows x 3 columns]
然而，只写DF[:-1]要简单得多。
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。
使用索引
df.iloc[:-1,:]
这就是iloc存在的原因。你也可以用head或tail。
DF。drop((label =None, axis=0, index = last_row)
作为的函数:
DataFrame。drop(label =None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
从行或列中删除指定的标签。
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.drop.html
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
