¿Cómo usar el método drop de Pandas?

¿Cómo usar drop() en pandas?

Respuesta corta: drop() elimina filas o columnas de un DataFrame por su etiqueta. Usa df.drop(columns="nombre") para quitar columnas y df.drop(index=[1, 3]) para quitar filas. Devuelve un DataFrame nuevo, así que guarda el resultado.

import pandas as pd
 
df = pd.DataFrame({
    "nombre": ["Ana", "Luis", "Marta", "Pedro"],
    "edad": [28, 34, 25, 41],
    "ciudad": ["Madrid", "Lima", "Bogotá", "Quito"],
})
 
df = df.drop(columns="ciudad")
print(df)

  nombre  edad
0    Ana    28
1   Luis    34
2  Marta    25
3  Pedro    41

Si no guardas el resultado en una variable, df no cambia. Es el error más común con drop().

drop() busca por etiqueta: el nombre de la columna o el valor del índice de la fila.

Sintaxis de drop()

df.drop(
    labels=None,
    axis=0,
    index=None,
    columns=None,
    level=None,
    inplace=False,
    errors="raise",
)

df.drop(columns="edad") y df.drop("edad", axis=1) hacen lo mismo. La primera forma es más clara, porque no tienes que recordar qué es cada axis.

Ejemplos de drop() en pandas

Los ejemplos parten del DataFrame original de cuatro personas, con las columnas nombre, edad y ciudad.

Eliminar varias columnas

print(df.drop(columns=["edad", "ciudad"]))

  nombre
0    Ana
1   Luis
2  Marta
3  Pedro

Eliminar filas por su índice

print(df.drop(index=[1, 3]))

  nombre  edad  ciudad
0    Ana    28  Madrid
2  Marta    25  Bogotá

Fíjate en que el índice queda con huecos (0, 2). Si lo quieres seguido, añade .reset_index(drop=True).

Eliminar filas que cumplen una condición

drop() necesita etiquetas, así que primero obtienes el índice de las filas que quieres quitar:

jovenes = df[df["edad"] < 30].index
 
print(df.drop(jovenes))

  nombre  edad ciudad
1   Luis    34   Lima
3  Pedro    41  Quito

Filtrar las filas que quieres conservar da el mismo resultado y suele ser más legible: df[df["edad"] >= 30].

Eliminar filas por un valor del índice

personas = df.set_index("nombre")
 
print(personas.drop("Luis"))

        edad  ciudad
nombre
Ana       28  Madrid
Marta     25  Bogotá
Pedro     41   Quito

Eliminar la última fila o la primera columna

df.drop(df.index[-1])            # la última fila
df.drop(columns=df.columns[0])   # la primera columna

No dar error si la columna no existe

df.drop(columns="pais", errors="ignore")

Es útil en scripts que procesan archivos en los que esa columna a veces aparece y a veces no.

drop() con inplace=True

df.drop(columns="ciudad", inplace=True)

Con inplace=True, drop() modifica df directamente y devuelve None. Por eso df = df.drop(columns="ciudad", inplace=True) deja df en None. Es mejor la forma sin inplace, df = df.drop(...): se lee igual, se puede encadenar con otros métodos y evita ese error.

drop() frente a otras formas de eliminar datos

Para ver todas las formas de quitar columnas, mira cómo eliminar columnas en pandas.

Usa drop() con IA

Un asistente como ChatGPT, Claude o GitHub Copilot escribe el drop() correcto en segundos si le das tus columnas y qué quieres quitar. Estos tres prompts están listos para copiar.

1. Limpia tu DataFrame

Tengo un DataFrame de pandas con estas columnas: [pega df.columns].
Quiero quitar [las columnas X e Y / las filas donde Z / las filas vacías / los duplicados].
Escribe el código y explícame por qué usas drop(), dropna() o un filtro.

2. Arregla un drop() que no funciona

Mi drop() [da KeyError / no cambia el DataFrame / devuelve None]:
[pega tu código y df.columns o df.index]
Explícame la causa y dame la corrección.

3. Elimina filas con una condición

Escribe el código de pandas para eliminar las filas de df donde [condición, por ejemplo edad menor que 18 o ciudad vacía].
Dame la versión con drop() y la versión con un filtro.

Comprueba siempre el resultado con df.shape y df.columns antes de seguir trabajando con los datos.

Errores comunes con drop()

Guías relacionadas

• Cómo eliminar columnas en pandas
• Cómo añadir una columna a un DataFrame
• Cómo crear un DataFrame en pandas
• Cómo usar concat() en pandas
• Cómo unir DataFrames con merge()
• Tutorial de pandas DataFrame