pd.DataFrame.drop()的互补方法是什么？如何保留指定索引行？

问题1：pd.DataFrame.drop()的互补方法是什么？ #

pd.DataFrame.drop()的作用是删除指定的行或列，它的互补操作就是保留指定行/列，常用的方法有这几种：

• 直接索引筛选：用df.loc[目标索引]或者df.iloc[目标位置]直接选取想要保留的行，这是最直观的互补操作。比如你想保留索引为[0,2]的行，直接写df.loc[[0,2]]就好，和用drop删掉这两行完全是反向操作。
• 条件筛选：如果是按列值条件保留行，df.query()会很方便，比如df.query("Magnitude > 3")就能保留震级大于3的行，这也相当于drop掉不符合条件的行。
• 布尔索引：通过布尔数组来筛选，比如df[df['Year'] == 2018]，只保留2018年的数据，本质也是保留目标行，和drop互补。

问题2：如何删除DataFrame中除指定索引外的所有行？ #

你现在用df_new = df.drop(df.index[index_value])是删掉index_value指定的行，要反过来保留这些行、删掉其他所有行，有几种简单的实现方式：

方法1：直接选取目标索引（最推荐） #

如果index_value是你要保留的实际索引值（比如你的df里的6131、6132这类），直接用loc选取：

# 单个索引值
df_new = df.loc[[index_value]]
# 多个索引值（比如保留索引6131和6133）
df_new = df.loc[[6131, 6133]]

如果index_value是位置索引（比如0、1、2这种对应行的位置），就用iloc：

# 保留第0行和第2行
df_new = df.iloc[[0, 2]]

方法2：用drop的反向操作 #

也可以通过drop删掉除目标索引外的所有行，先获取所有索引中不属于index_value的部分，再drop：

# 先得到要删除的索引（所有索引减去目标索引）
drop_indices = df.index.difference(index_value)
df_new = df.drop(drop_indices)

举个你的df例子，假设你要保留索引6131和6135的行，用方法1的代码就是：

df_new = df.loc[[6131, 6135]]

得到的df_new就只有这两行数据，其他行都被“删除”（其实是筛选保留，效果一致）。

内容的提问来源于stack exchange，提问作者VGB