使用iloc:

df = df.iloc[3:]

会给你一个没有前三行的新df。

您可以使用python切片，但注意它不是在适当的位置。

In [15]: import pandas as pd
In [16]: import numpy as np
In [17]: df = pd.DataFrame(np.random.random((5,2)))
In [18]: df
Out[18]:
          0         1
0  0.294077  0.229471
1  0.949007  0.790340
2  0.039961  0.720277
3  0.401468  0.803777
4  0.539951  0.763267

In [19]: df[3:]
Out[19]:
          0         1
3  0.401468  0.803777
4  0.539951  0.763267

我认为更明确的方法是使用drop。

语法为:

df.drop(label)

正如@tim和@ChaimG所指出的，这可以就地完成:

df.drop(label, inplace=True)

实现它的一种方法是:

df.drop(df.index[:3], inplace=True)

还有一个“in place”的用法:

df.drop(df.head(3).index, inplace=True)

df = df.iloc[n:]

N删除前N行。

df.drop(df.index[[0,2]])

Pandas使用以零为基础的编号，所以0是第一行，1是第二行，2是第三行。

一种简单的方法是使用tail(-n)删除前n行

df = df.tail (3)

inp0= pd.read_csv（“bank_marketing_updated_v1.csv”，skiprows=2）

或者如果你想在已有的数据框架中做

只需执行以下命令

有一个简单的方法可以通过drop命令来实现。

df = df.drop(3)