Дроп-сет в бодибилдинге — что это такое и как его использовать

Главная » Тренировки » Теория

14к.В закладки: Ctrl+D, Cmd+D

4.8

(10)

FitNavigator.ru/ редакция

Материал подготовлен командой сайта при поддержке наших экспертов: спортсменов, тренеров и специалистов по питанию. Наша команда >>

Содержание статьи

Время на чтение: 7 мин.
1. Что такое дроп-сеты
2. Значение методики
3. Разновидности
4. Отличие дроп-сетов от негативных повторений
5. Правила выполнения дроп-сетов
6. Популярные дроп-сеты
7. Применение дроп-сетов в программах тренировок
8. Использование дроп-сетов в похудении и увеличении силы

Основная цель бодибилдинга — создание спортивного телосложения через гармоничное развитие мышц. Тем, кто занимается наращиванием мускулатуры и находится в постоянном поиске эффективных упражнений, рекомендуем обратить внимание на методику «дроп-сет» («дроп-серия»). Такая схема не предлагает бодибилдерам новых нестандартных элементов, но позволяет качественно улучшить гипертрофию мышечных волокон.

Что такое дроп-сеты

Всем знаком стандартный метод тренинга, когда атлет делает определенное количество повторений, постепенно увеличивает вес снаряда и отдыхает между каждым подходом. Такой способ выполнения упражнений со временем теряет эффективность в результате адаптации мышц к однотипным нагрузкам. Чтобы «шокировать» мускулатуру и дать толчок к росту, как раз и применяются дроп-серии.

Методика представляет собой выполнение каждого сета в упражнении до момента наступления мышечного отказа. Между подходами исключается восстановительная пауза, а вес снаряда постепенно снижается (на 20–25%). В результате создается непривычная нагрузка для мускулов, а также задействуются мышечные волокна, до этого не участвующие в выполнении упражнения.

Возможно, определение покажется запутанным и сложным. Чтобы улучшить понимание, приведем пример классического дроп-сета.

Возьмем упражнение «жим штанги лежа». Допустим, вы делаете жим с 80 кг на 12 повторений, после у вас наступает отказ. В этот момент поставьте штангу на упоры, но руки не убирайте. Пусть партнеры быстро скинут по 10 кг с каждой стороны. После этого сделайте подход до отказа с 60 кг штангой. Главное, чтобы между сетами пауза была минимальной.

Значение методики

Дроп-сет в бодибилдинге используется для увеличения мускулатуры в объеме. Эффективность такой схемы тренинга для роста мышц обусловлена следующими полезными свойствами:

• Множественные микроповреждения мышечных волокон в результате воздействия стрессовых нагрузок.
• Усиленный кровоток, способствующий быстрому поступлению питательных веществ в волокна.
• Мощный пампинг-эффект («накачка»), помогающий качественно улучшить рельеф мускулатуры.
• Стимуляция выработки анаболических гормонов в результате длительного силового воздействия на мышцы.

Дроп-сеты в силовых тренировках помогают преодолеть «точку отказа» — состояние, при котором спортсмен не может сделать больше ни одного полного повторения. В результате укрепляются связки, сухожилия, улучшается нервно-мышечная связь. Все вместе это делает бодибилдера сильнее и выносливее.

Разновидности

Предлагаем рабочие виды дроп-серий:

• Стрип-сеты. Методика схожа с дроп-сетами и предназначена для роста мышц. Стрип-сеты представляют собой упражнения, выполняемые на 3–4 подхода до наступления отказа в каждом. Шаг уменьшения веса — 15–25%. Паузы отсутствуют. Используемые снаряды: штанги, гантели, гири, блочные тренажеры. Пример: тяга гантелей в наклоне к поясу – 4 подхода (18 кг, 15 кг, 12 кг, 9 кг).
• Плотные дроп-сеты. Схема выполнения предполагает меньший шаг снижения веса в подходах — 5–15%. Это позволяет повысить интенсивность тренинга, но одновременно и увеличивает риск развития перетренированности. Плотные дроп-серии, как правило, используются для проработки небольших мышечных групп. Пример: подъем EZ-грифа на бицепс — 4 подхода (20 кг, 18, кг, 16 кг, 14 кг).
• Большие дроп-серии. Методика основана на увеличенном шаге снижения весовых нагрузок — 30-40%. Большие дроп-сеты используются в силовых занятиях на массу. Преимущество — проработка крупных мышечных групп, минус — нагрузка на сердце. Чаще всего такая методика применяется в базовых элементах. Пример: приседания со штангой — 3 подхода (100 кг, 70 кг, 40 кг).
• Метод 6–20 или 50% дроп-серия. Схема предполагает выполнение всего двух повторений, разница в весе между которыми равняется 50%. Метод совмещает низкоповторный силовой подход с многоповторным пампинг-сетом. В результате мышцы получают «шокирующую» нагрузку, что помогает им расти. Пример 50% дроп-серии: тяга Т-грифа — 6 повторений (60 кг) + 20 повторений (30 кг).
• Силовые дроп-сеты. Методика основана на работе с большими весами на заданное малое количество повторений. Шаг снижения весовой нагрузки не превышает 10–15%. Метод предназначен для развития силовых способностей спортсмена. Минусом является большая нагрузка на сердце. Пример: становая тяга — 4 подхода по 6 повторений в каждом (100 кг, 90 кг, 80 кг, 70 кг).
• Дроп-серии с изменением позиции ног или хвата. Используются для проработки крупных мышечных групп. Шаг снижения весовых нагрузок небольшой — 10–15%. Метод позволяет изменять нагрузку на мышцы, за счет приложения разных векторов усилия. Пример: тяга грифа к себе на нижнем блоке сидя — 3 подхода (широким прямым хватом —35 кг, узким обратным — 31 кг, параллельным узким — 26 кг).
• Тройной и четвертной дроп-сеты. Расширенная версия классической дроп-серии. Тройной предполагает три подхода до отказа с понижением веса на 25% на 2 и 3 сеты, четвертной — то же самое, но на 4 подхода. Используются для увеличения мышечной массы путем создания «шокирующей» нагрузки. Пример тройной дроп-серии: тяга на верхнем блоке за голову — 3 подхода (45 кг, 34 кг, 25 кг).
• Прогрессивный дроп-сет. Совмещает несколько видов и подходит только профессионалам. Поясним на примере жима штанги лежа. Делаем разминочный подход. Затем подбираем такой вес, чтобы на 12 повторении наступал отказ и делаем классическую дроп-серию. Отдыхаем 2–3 минуты. Ставим «отказной» вес для 8 повторений и делаем тройной дроп-сет. Снова отдыхаем 2–3 минуты. Ставим «отказной» вес для 6 повторений и делаем четвертную дроп-серию.
• Обратный дроп-сет. Предполагает не снижение веса, а его увеличение с каждым подходом. Методика предназначена для проработки малых групп мышц, слабо откликающихся на нагрузки. Пример: подъемы на носки в тренажере для икроножных — 1 подход (20 повторений), 2 подход (повышаем вес снаряда и делаем 12 повторений), 3 подход (снова увеличиваем вес и делаем 8 повторений).
• Дроп-суперсет. Самый мощный вариант тренинга, который буквально «взрывает» мускулы. Для примера возьмем два упражнения на мышцы-антагонисты: сгибание рук с гантелями и французский жим. Делаем 12 сгибаний и сразу 12 жимов. Отдыхаем 10 секунд, снижаем вес на 20% в обоих упражнениях и снова делаем по 12 повторений. Выполняем 4 таких суперсерии со снижением весовых нагрузок.

Отличие дроп-сетов от негативных повторений

Дроп-серии и негативные повторения — методики, имеющее общее предназначение — «шокирование» мышечных волокон, но разные способы выполнения.

Дроп-сеты основаны на позитивных нагрузках. То есть силовое воздействие на мускулатуру создается при подъеме снаряда (позитивная фаза упражнения). Результатом становится появление микроразрывов в волокнах и выработка анаболических гормонов. Это способствует постепенному приросту мышечной массы, а также развитию силовых способностей спортсмена.

Негативные повторения предполагают подконтрольное опускание веса. То есть сначала вы максимально нагружаете снаряд, затем с помощью партнера поднимаете его в верхнюю точку амплитуды, а после — очень медленно опускаете в исходную позицию.

Суть методики: интенсивное растяжение мышц при медленном опускании снаряда создает крайне непривычную для них нагрузку. Из-за этого мышечные волокна получают множественные микротравмы. Кроме того, усиливается выработка гормонов роста. В результате мускулатура получает мощный импульс к увеличению.

Обе методики создают стрессовые нагрузки на мышцы. Но не стоит забывать, что избыточное напряжение получают суставы, связки, сухожилия, сердце, нервная система. Слишком частое использование дроп-серий или негативных повторений может привести к развитию перетренированности. Последняя грозит остановкой прогресса, снижением силовых показателей, ухудшением настроения, исчезновением мотивации к тренингу, общей вялостью организма.

Рекомендуемая частота применения дроп-серий и негативных повторений — 1 раз в 2–3 недели.

Правила выполнения дроп-сетов

Интенсивное выполнение силовых подходов без пауз может стать причиной травмы. Чтобы этого не допустить, придерживайтесь рекомендаций:

• Заранее подготовьте отягощения, чтобы не бегать по залу в поисках необходимых весов. Спешка в работе с железом часто приводит к выпадению снарядов из рук.
• Делайте паузы. Даже если вы опытный подготовленный спортсмен, в первый раз применения дроп-серий добавляйте 10–15 секундные перерывы между подходами.
• Правильно подбирайте вес снаряда. Нагрузка в первом подходе дроп-сета должна быть такой, чтобы у вас наступал мышечный отказ на двенадцатом повторении.
• Пользуйтесь помощью напарников. Тот же жим штанги лежа удобнее выполнять, когда коллеги сбрасывают вес между сетами. Это минимизирует паузы и снижает травмоопасность.
• Не используйте методику дроп-сетов чаще 1 раза в 2 недели. Регулярное применение данной схемы выполнения упражнений может привести к развитию перетренированности.
• Обязательно разминайтесь перед каждым занятием. Дроп-серии — силовой вид нагрузок, поэтому неподготовленные, неразогретые мышцы легко травмировать.
• Не используйте более 2 дроп-серий на одну группу мышц. Чрезмерное перенапряжение мышечных волокон может вызвать обратный эффект — они начнут разрушаться.
• Не используйте дроп-сеты, если вы начинающий спортсмен. Новичкам подобные методики противопоказаны, так как создают большую нагрузку на сердце и ЦНС.

Популярные дроп-сеты

Предлагаем примеры упражнений, часто выполняемых по методике «дроп-сет» (веса указаны ориентировочные, для общего понимания того, как снижается весовая нагрузка в подходах).

Для тренировки дельт:

1. Жим Арнольда (22 кг, 18 кг, 14 кг, 10 кг).
2. Отдых 1–2 минуты.
3. Обратные отведения в наклоне (14 кг, 10 кг, 6 кг, 6 кг).

Для проработки бицепсов:

1. Подъем EZ-штанги стоя (20 кг, 16 кг, 12 кг).
2. Отдых 1–2 минуты.
3. Подъем гантелей с супинацией (16 кг, 14 кг, 10 кг, 8 кг).

Для развития трицепсов:

1. Жим лежа узким хватом (45 кг, 35 кг, 25 кг).
2. Отдых 1–2 минуты.
3. Французский жим лежа (25 кг, 20 кг, 16 кг, 12 кг).

Для тренировки груди:

1. Жим штанги лежа (100 кг, 80 кг, 60 кг).
2. Отдых 1–2 минуты.
3. Разведение гантелей на наклонной скамье (18 кг, 16 кг, 14 кг, 12 кг).

Для проработки спины:

1. Тяга Т-грифа (60 кг, 45 кг, 30 кг).
2. Отдых 1–2 минуты.
3. Шраги с гантелями (20 кг, 18 кг, 16 кг, 14 кг).

Для тренировки ног:

1. Приседания в Смит-машине (90 кг, 70 кг, 50 кг).
2. Отдых 1–2 минуты.
3. Выпады с гирями (18 кг, 16 кг, 14 кг, 12 кг).

Применение дроп-сетов в программах тренировок

Бодибилдеры используют дроп-серии двумя способами:

1. В середине тренировки. Цель — создание стрессовой нагрузки, способствующей росту мышц. Даже опытные спортсмены не делают более двух дроп-сетов за одно занятие. В противном случае может возрасти риск травмы и перетренированности.
2. В конце тренировки. Цель — мощный пампинг. Считается, что упражнения для «накачки», выполняемые после основных нагрузок, помогают мышцам расти. Объясняется это увеличением полученных на занятии микроразрывов, в результате закачивания большого объема крови в мышцы.

В любом случае дроп-серии применяются исключительно в программах тренинга опытных спортсменов. Новичкам необходимо для начала укрепить связки, сухожилия, а также улучшить нервно-мышечную связь. Только после этого можно приступать к усложненным методикам тренировок.

Использование дроп-сетов в похудении и увеличении силы

При выполнении дроп-серий спортсмен тратит большое количество энергии для обеспечения длительной работы мышц. В результате кратно повышается расход калорий. Это действительно способствует похудению при условии, что подобные энергозатраты случаются регулярно.

Но мы уже говорили, что частое применение дроп-сетов опасно для физического здоровья. Поэтому методика не подходит как основа для тренировочных программ, направленных на похудение.

А вот в пауэрлифтинге дроп-серии довольно активно используются. Например, в периоды между соревновательными циклами. Это позволяет поддерживать силовые характеристики спортсмена и восстанавливаться после травм.  Вес подбирается так, чтобы точка отказа приходилась на 5–6 повторение в сете. Но, опять же, такие нагрузки применяются только подготовленными пауэрлифтерами под наблюдением опытных тренеров и всего несколько раз в месяц.

Была ли статья для вас полезна?

Пожалуйста, оцените!

Очень жаль, что статья не была для вас полезна.

Просим вашего совета!

Расскажите, как мы можем улучшить материал?

Спасибо за ваш отзыв!

FitNavigator. ru/ редакция

Материал подготовлен командой сайта при поддержке наших экспертов: спортсменов, тренеров и специалистов по питанию. Наша команда >>

Поделиться:

«ОСОБЕННОСТИ ВЫПОЛНЕНИЯ ДРОП-СЕТОВ » — Яндекс Кью

Дроп-сеты представляют собой разновидность тренинга «до отказа». Традиционная «отказная» техника с большими весами зачастую приводит к перетренированности и длительным застоям, поскольку серьезно истощается нервная система. Кроме того, классические «качковские» тренировки с меньшим весом и большим количеством повторений гораздо лучше растят массу.

Особенности техники

Оптимальной техникой выполнения дроп-сетов является нахождение в диапазоне 10 повторений. То есть вы делаете 10 повторов, затем скидываете часть отягощения и вновь выполняете 10 повторов. Такая методика позволяет обеспечить мощный пампинг мышц. Особенности дроп-сетов в том, что их можно применять в любом упражнении, в любом сете и независимо от времени тренировки (либо в самом начале, либо в самом конце).

Возможность использования дроп-сетов в любых упражнениях, от гантелей до тренажеров, является их несомненным плюсом. Однако быстрое уменьшение рабочего веса все же заставит вас вставать с места и быстро готовить нужное отягощение. Все это отнимает много сил, поэтому идеальным вариантом будет тренинг в паре с партнером, который поможет вам выполнить дроп-сет, не затрачивая лишних усилий.

Читать также, Секретная Методика Прокачки Рук https://bestbodyblog.com/sekretnaya-programma-prokachki-ruk/

Рекомендуется выполнять дроп-сет лишь по одному разу в каждом упражнении. Почему так? Мы говорили раньше о том, что дроп-сеты – это чисто «отказной» тренинг, поэтому два подряд «отказа» в одном и том же упражнении быть не может. Если же после дроп-сета вы можете сделать еще некоторое количество повторов, значит он был недостаточно эффективным.

Что касаемо отдыха между сетами, то здесь можно придерживаться следующего правила: при тренировке малых мышц отдыхайте полторы минуты, а при тренинге более крупных мышечных групп – 2-3 минуты. Между упражнениями на ноги отдыхайте до полного восстановления.

Ошибки техники

Вообще за долгие годы тренировок можно редко увидеть любителей, правильно выполняющих дроп-сеты. Наиболее частой ошибкой у них является доведение каждой фазы дроп-сета «до отказа». Такого быть не должно. Запомните, что «отказ» должен быть лишь одним в каждом упражнении. Это означает, что после вы не сможете осилить ни одно повтора в данном упражнении.

Для примера рассмотрим тренировку трапеций.

Вы берете гантели по 70 кг и начинаете делать шраги. Каждый подход следует обрывать за 1-2 повторения до возможного наступления «отказа». Далее вы берете гантели полегче и вновь делаете повторы, останавливаясь за 1-2 повтора до «отказа». После этого вы еще раз снижаете вес и добиваете повторения до полной мышечной отключки. Это и будет полноценный «отказ».

Читать также, Программа Набора Массы По Циклам https://bestbodyblog.com/programma-trenirovok-dlya-nabora-massy-strogo-po-tsiklam/

Другой ошибкой новичков является, чрезмерное или, наоборот, недостаточное снижение рабочего веса. Оптимальным «шагом» между фазами дроп-сета является уменьшение веса на 10-15% (для малых мышц) и 15-20% (для крупных групп).

Дроп-сеты – это очень не просто, но и не так сложно, как об этом думают, главное применять этот прием дозированно и с учетом правил использования.

Метод

Pandas DataFrame drop()

❮ Справочник по кадрам данных

Пример

Удалить столбец «возраст» из DataFrame:

импортировать панд как pd

data = {
  «имя»: [«Салли», «Мэри»,
«Джон»],
«возраст»: [50, 40, 30],
«квалифицированный»: [Верно, Ложь,
False]
}

df = pd.DataFrame(data)

newdf = df.drop(«возраст»,
axis=’columns’)

print(newdf)

Попробуйте сами »

Определение и использование

Метод drop() удаляет указанную строку
или колонка.

Указав ось столбца ( axis='columns' ),
падение()
метод удаляет указанный столбец.

Указав ось строки ( axis='index' ),
падение()
метод удаляет указанную строку.

Синтаксис

кадр данных .drop( метки , ось, индекс, столбцы, уровень,
на месте., ошибки)

Параметры

Ось , индекс ,
столбцы , уровень ,
вместо , ошибки параметры есть
аргументы ключевых слов.

Параметр	Значение	Описание
этикетки		Необязательно. Метки или индексы для удаления. Если несколько, укажите их в списке.
ось	0 1 'индекс' 'столбцы'	Необязательно, какую ось проверять, по умолчанию 0.
индекс	Строка Список	Необязательный, указывает имя удаляемых строк. Можно использовать вместо параметр обозначает параметр .
столбцы	Строка Список	Необязательный. Задает имя удаляемых столбцов. Вместо этого можно использовать из метки параметра.
уровень	Номер название уровня	Необязательно, по умолчанию Нет. Указывает, какой уровень (в иерархическом индекс) для проверки по
на месте	Верно Ложно	Необязательный, по умолчанию False. Если True: удаление выполняется на текущем Датафрейм. Если False: возвращает копию, в которой было выполнено удаление.
ошибки	«игнорировать» «поднять»	Необязательно, по умолчанию «игнорировать». Указывает, игнорировать ошибки или нет

Возвращаемое значение

DataFrame с результатом или None, если
для параметра inplace установлено значение True.

❮ Справочник по кадрам данных

ВЫБОР ЦВЕТА

Лучшие учебники

Учебник HTML
Учебник CSS
Учебное пособие по JavaScript
Учебное пособие
Учебное пособие по SQL
Учебное пособие по Python
Учебное пособие по W3.CSS
Учебное пособие по Bootstrap
Учебное пособие по PHP
Учебное пособие по Java
Учебное пособие по C++
Учебное пособие по jQuery

Справочник по HTML

Справочник по CSS
Справочник по JavaScript
Справочник по SQL
Справочник по Python
Справочник по W3.CSS
Справочник по Bootstrap
Справочник по PHP
Цвета HTML
Справочник по Java
Справочник по Angular
Справочник по jQuery

Основные примеры

Примеры HTML
Примеры CSS
Примеры JavaScript
Примеры инструкций
Примеры SQL
Примеры Python
Примеры W3.CSS
Примеры Bootstrap
Примеры PHP
Примеры Java
Примеры XML
Примеры jQuery

FORUM |
О

W3Schools оптимизирован для обучения и обучения. Примеры могут быть упрощены для улучшения чтения и обучения.
Учебники, ссылки и примеры постоянно пересматриваются, чтобы избежать ошибок, но мы не можем гарантировать полную правильность всего содержания.
Используя W3Schools, вы соглашаетесь прочитать и принять наши условия использования,
куки-файлы и политика конфиденциальности.

Copyright 1999-2022 Refsnes Data. Все права защищены.
W3Schools работает на основе W3.CSS.

Как использовать метод перетаскивания Pandas

В этом руководстве я объясню, как удалять строки и столбцы из фрейма данных с помощью метода перетаскивания Pandas.

Я объясню, что делает метод drop, объясню синтаксис и покажу вам наглядные примеры.

Если вам нужно что-то конкретное, вы можете нажать на любую из следующих ссылок.

Содержание:

• Введение
• Синтаксис
• Примеры
• Часто задаваемые вопросы

Метод опускания довольно прост в использовании, но есть несколько важных деталей, которые вам следует знать. Итак, давайте начнем с краткого объяснения того, что он делает и как он работает.

Краткое введение в Pandas Drop

Метод удаления Pandas удаляет строки и столбцы из фреймов данных Python и объектов Series.

Вы можете использовать эту технику для:

• удалить строки
• удалить столбцы

Хотя чаще всего я использую этот метод для удаления столбцов (т. е. переменных).

Удаление строк и столбцов очень распространено, когда вы выполняете «обработку данных» или очистку данных. Итак, чтобы освоить обработку данных в Python, вам действительно нужно знать, как использовать эту технику.

При этом то, как именно вы его используете, зависит от синтаксиса. В таком случае давайте посмотрим на синтаксис drop() метод.

Синтаксис Pandas drop

В этом разделе я покажу вам синтаксис для:

• удаления одного столбца
• удаления нескольких столбцов
• удаления строк

Мы рассмотрим их по отдельности, и затем я объясню некоторые необязательные параметры позже.

Небольшое примечание

Одно небольшое примечание, прежде чем мы рассмотрим синтаксис.

Все эти объяснения синтаксиса предполагают, что вы уже импортировали Pandas и что у вас есть доступный фрейм данных Pandas (или Series).

Вы можете импортировать Pandas со следующим кодом:

импортировать панд как pd
 

А если вам нужно освежить знания о том, как создавать фреймы данных, вы можете прочитать наше руководство по фреймам данных Pandas.

синтаксис: удалить столбец

Сначала рассмотрим синтаксис удаления одного столбца.

Чтобы удалить столбец, вы вводите имя своего фрейма данных, а затем .drop() для вызова метода.

В скобках нужно использовать цифру столбцов параметр.

Аргументом параметра будет имя столбца, который вы хотите удалить. Имя столбца должно быть заключено в кавычки.

Я покажу вам пример этого в примере 1.

синтаксис: удаление нескольких столбцов

Синтаксис удаления нескольких столбцов аналогичен синтаксису удаления одного столбца.

Вы вводите имя своего фрейма данных и .drop() для вызова метода. Вы также все еще используете столбцов параметр.

Но здесь, чтобы удалить несколько столбцов, вы предоставляете список имен столбцов.

Я покажу вам пример этого в примере 2.

синтаксис: удаление строк

Наконец, давайте рассмотрим синтаксис для удаления строки или строк.

Синтаксис для удаления строк очень похож на предыдущие варианты синтаксиса.

Вы вызываете метод, вводя имя кадра данных, а затем .drop() для вызова метода.

Но здесь, чтобы удалить строк , вы используете параметр меток .

Аргументом параметра labels является «метка» строки из индекса фрейма данных. Вы можете использовать либо одну метку строки, либо несколько меток внутри списка Python.

Это довольно просто сделать, но чтобы сделать это правильно, вам действительно нужно понимать индексы фреймов данных Python. Если вам нужно освежить знания, вы можете прочитать наш учебник по индексам Pandas.

Я покажу вам, как удалять строки в примере 3.

Параметры Pandas drop

Теперь, когда мы рассмотрели основной синтаксис Pandas drop, давайте посмотрим на некоторые параметры.

Важными параметрами, которые, я думаю, вы должны знать, являются:

• столбцы
• метки
• inplace

просто некоторые другие параметры, но я думаю, что некоторые другие параметры сбивают с толку. новички и есть несколько ненужных параметров. Итак, я рекомендую использовать три вышеперечисленных.

Давайте обсудим каждый из них.

столбцов

Параметр столбцов позволяет указать столбцы, которые вы хотите удалить.

Аргументом этого параметра может быть одно имя столбца или список имен столбцов. Сами имена столбцов должны быть заключены в кавычки.

Я покажу вам, как использовать параметр столбцов в примере 1 и примере 2.

ярлыки

Параметр labels позволяет вам указать строки, которые вы хотите удалить.

Аргументом этого параметра может быть метка одной строки или список меток строки.

Формат меток зависит от того, как вы структурировали указатель. Если метки являются целыми числами, указанные вами метки будут целыми числами. Но если метки индекса являются строками, вы предоставите строки для этого параметра.

Я покажу вам, как использовать параметр labels в примере 3.

на месте

Параметр на месте позволяет напрямую изменять фрейм данных.

Помните: по умолчанию метод drop() создает новый кадр данных и оставляет исходный кадр данных без изменений. Это связано с тем, что по умолчанию для параметра inplace установлено значение inplace = False .

Если вы установите inplace = True , метод drop() удалит строки или столбцы непосредственно из исходного фрейма данных. Другими словами, если вы установите inplace = True , Pandas перезапишет ваши данные вместо создания нового фрейма данных в качестве вывода.

Будьте осторожны при использовании этого параметра, так как он перезапишет ваши данные.

Вывод Pandas drop

По умолчанию метод drop() выводит новый кадр данных и оставляет исходный кадр данных без изменений.

Это потому, что по умолчанию для параметра inplace установлено значение inplace = False .

Если вы установите inplace = True , Pandas будет напрямую изменять данные, с которыми вы работаете, вместо создания нового объекта. Будьте осторожны, когда вы используете вместо = True , так как это перезапишет ваши данные.

Примеры: как удалить строки и столбцы кадра данных Pandas

Теперь, когда мы рассмотрели синтаксис, давайте посмотрим, как мы можем использовать метод drop() для удаления строк и столбцов Python кадр данных.

Примеры:

• Удалить один столбец из фрейма данных
• Удалить несколько столбцов из фрейма данных
• Удалить определенные строки из фрейма данных
• Удалить столбцы и изменить данные «на месте»

Сначала запустите этот код

8

0 запустите любой из примеров, вам нужно будет сначала запустить некоторый предварительный код.

В частности, вам необходимо:

• импортировать Pandas
• создать фрейм данных

Импортировать Pandas

Кулак, давайте импортируем панд.

Вы можете сделать это с помощью следующего кода:

импортировать панд как pd
 

Очевидно, что нам понадобятся Панды, чтобы использовать технику падения Панд. Нам также понадобятся Pandas для создания наших данных. Давайте сделаем это дальше.

Создать фрейм данных

Здесь мы создадим простой фрейм данных с именем sales_data .

Для этого вызовем функцию pd. DataFrame() , но также установим индекс фрейма данных с метод set_index() .

# СОЗДАТЬ ФРЕЙМ ДАННЫХ
данные_продажи = pd.DataFrame({
"name":["Уильям","Эмма","София","Маркус","Эдвард","Томас","Итан","Оливия","Арун","Аника","Пауло"]
,"region":["Восток","Север","Восток","Юг","Запад","Запад","Юг","Запад","Запад","Восток","Юг"]
,"продажи":[50000,52000,
,34000,42000,72000,49000,55000,67000,65000,67000]
,"расходы":[42000,43000,50000,44000,38000,39000,42000,60000,39000,44000,45000]})

# УСТАНОВИТЬ ИНДЕКС
sales_data.set_index('имя', inplace = True)
 

Этот фрейм данных содержит фиктивные данные о продажах. Мы сможем использовать это в наших примерах.

Давайте быстро распечатаем его, чтобы увидеть содержимое:

печать (продажи_данные)
 

ВЫХОД:

        расходы на продажу региона
имя
Уильям Ист 50000 42000
Эмма Норт 52000 43000
София Восточная 
 50000
Маркус Саут 34000 44000
Эдвард Уэст 42000 38000
Томас Уэст 72000 39000
Итан Саут 49000 42000
Оливия Уэст 55000 60000
Арун Уэст 67000 39000
Аника Восток 65000 44000
Пауло Саут 67000 45000
 

Как видите, этот фрейм данных имеет 3 столбца: регион , продажи и расходы .

Фрейм данных также имеет индекс с именами продавцов в данных. Мы сможем использовать индекс для ссылки на строки и удаления определенных строк.

Теперь, когда у нас есть фрейм данных, давайте запустим несколько примеров.

ПРИМЕР 1: Удаление одного столбца из фрейма данных

Во-первых, давайте начнем с самого простого.

Здесь мы собираемся удалить один столбец из нашего фрейма данных.

Для этого вызовем метод drop и воспользуемся параметром columns .

Посмотрим:

sales_data.drop (столбцы = «расходы»)
 

ВЫХОД:

        регион продаж
имя
Уильям Ист 50000
Эмма Норт 52000
София Восток 

Маркус Саут 34000
Эдвард Уэст 42000
Томас Уэст 72000
Итан Саут 49000
Оливия Уэст 55000
Арун Вест 67000
Аника Восток 65000
Пауло Саут 67000
 

Объяснение

Это довольно просто, но позвольте мне объяснить.

Здесь мы удалили столбец расходы .

Для этого мы ввели имя фрейма данных, а затем . drop() для вызова метода.

В скобках мы использовали код columns = 'расходы' , чтобы указать, что мы хотим удалить столбец расходов . Обратите внимание, что имя столбца заключено в кавычки (т. е. оно представлено в виде строки).

В выводе мы видим, что вся колонка расходов была удалена.

Также обратите внимание: на выходе получается новый кадр данных , а исходные данные остаются неизменными. Это связано с тем, что по умолчанию для параметра inplace установлено значение inplace = False 9.0030 . Когда inplace = False , drop() выведет новый кадр данных, но оставит исходный кадр данных без изменений.

Я покажу вам, как напрямую изменить исходный фрейм данных в примере 4.

ПРИМЕР 2: Удаление нескольких столбцов из фрейма данных

Далее давайте удалим несколько столбцов из фрейма данных Pandas.

Для этого мы по-прежнему будем использовать параметр столбцов .

Но вместо того, чтобы указывать имя одного столбца в качестве аргумента, мы предоставим список имен столбцов.

В частности, здесь мы удалим переменную регион и переменную расходов .

Посмотрим:

sales_data.drop (столбцы = ['регион','расходы'])
 

ВЫХОД:

         продажи
имя
Уильям 50000
Эмма 52000
София 

Маркус 34000
Эдвард 42000
Томас 72000
Итан 49000
Оливия 55000
Арун 67000
Аника 65000
Пауло 67000
 

Объяснение

В выводе мы видим, что переменная регион и переменная расходы были удалены.

Для этого мы вызвали метод drop() , но мы использовали параметр columns , чтобы указать несколько переменных для удаления.

В частности, внутри скобок мы использовали код столбцов = ['регион','расходы'] , чтобы указать, что мы хотим удалить переменную региона и расходы переменные. Обратите внимание, что имена этих переменных заключены в кавычки (т. е. представлены в виде строк). Кроме того, они передаются в параметр columns в виде списка имен переменных.

Имейте в виду, что здесь мы удалили только две переменные. Но если у вас есть фрейм данных большего размера и вы хотите удалить гораздо больше переменных, вы можете просто создать список всех имен, которые хотите удалить.

ПРИМЕР 3. Удаление определенных строк из кадра данных

Теперь давайте удалим несколько строк из нашего фрейма данных.

Удаление строк очень похоже на удаление столбцов. Но вместо использования столбцов мы будем использовать параметр labels .

С помощью параметра labels мы можем указать определенные строки для удаления с помощью метки индекса.

Посмотрим:

sales_data.drop (метки = ['Уильям', 'Пауло'])
 

ВЫХОД:

       расходы на продажу региона
имя
Эмма Норт 52000 43000
София Восток 
 50000
Маркус Саут 34000 44000
Эдвард Уэст 42000 38000
Томас Уэст 72000 39000
Итан Саут 49000 42000
Оливия Уэст 55000 60000
Арун Уэст 67000 39000
Аника Восток 65000 44000
 

Объяснение

Здесь мы удалили записи для Уильяма и Пауло. Мы сделали это с помощью кода drop(labels = ['William','Paulo']) .

Параметр labels позволяет удалять строки по метке индекса и по списку значений (т.е. ['William','Paulo'] ) указывают, какие именно строки нужно удалить.

Это довольно просто, но чтобы действительно понять это, вам нужно понять, что такое индекс фрейма данных. Если вам нужно освежить знания, вам следует ознакомиться с нашим руководством по индексам Pandas.

Обратите внимание, что в этом примере мы удалили несколько строк, поэтому мы представили метки внутри списка Python, аналогично удалению нескольких столбцов, как мы сделали в примере 2.

ПРИМЕР 4: Удалить столбцы и изменить данные «на месте».

Наконец, давайте напрямую изменим наши данные, удалив столбец «на месте».

Помните: когда мы используем метод drop() , метод создает новый кадр данных в качестве вывода по умолчанию и оставляет исходный кадр данных без изменений.

Мы можем изменить это поведение, установив inplace = True .

Давайте посмотрим, а потом я объясню.

Создать копию фрейма данных

Перед запуском примера мы сначала создадим копию данных.

Это потому, что мы будем напрямую изменять наши данные. В качестве гарантии, мы будем работать с копией прямо сейчас.

sales_data_copy = sales_data.copy()
 

Если вы проверите эти данные, вы увидите, что они совпадают с sales_data .

Опустить колонку «на место»

Ок. Теперь мы перетащим столбец непосредственно из sales_data_copy .

sales_data_copy.drop (столбцы = «расходы», inplace = True)
 

И выведем данные:

печать (продажи_данные_копия)
 

ВЫХОД:

        регион продаж
имя
Уильям Ист 50000
Эмма Норт 52000
София Восток 

Маркус Саут 34000
Эдвард Уэст 42000
Томас Уэст 72000
Итан Саут 49000
Оливия Уэст 55000
Арун Вест 67000
Аника Восток 65000
Пауло Саут 67000
 

Объяснение

Когда вы запускаете код и затем смотрите на sales_data_copy , вы можете видеть, что переменная расходов была навсегда удалена из фрейма данных.

Помните: когда мы используем технику drop() с inplace = True , Pandas будет напрямую работать с фреймом данных.

Это контрастирует с inplace = False . Если вы установите inplace = False (что является поведением по умолчанию), Pandas создаст новый фрейм данных и оставит исходный без изменений.

Итак, когда вы используете inplace = True , Pandas напрямую изменит ваши данные. Это может быть опасно. Прежде чем использовать это, вы должны протестировать свой код, чтобы убедиться, что он работает правильно!

Часто задаваемые вопросы о Pandas drop

Теперь, когда мы рассмотрели несколько примеров, давайте рассмотрим некоторые распространенные вопросы о методе drop() .

Часто задаваемые вопросы:

• Я использовал drop() , но мой фрейм данных не изменился. Почему?
• Что делает параметр оси ?

Вопрос 1: Я использовал метод перетаскивания, но мой фрейм данных не изменился.

Почему?

Если вы используете метод перетаскивания, вы можете заметить, что ваш исходный фрейм данных остается неизменным после вызова метода.

Например, в примере 1 мы использовали следующий код:

sales_data.drop (столбцы = «расходы»)
 

Если вы распечатаете sales_data после запуска кода, вы поймете, что sales_data без изменений. В столбце расходы стоит , все еще там .

Это потому, что метод drop() создает новый кадр данных и оставляет оба исходных кадра данных без изменений.

По умолчанию вывод метода отправляется на консоль. Мы можем видеть вывод в консоли, но чтобы сохранить его, нам нужно сохранить его с именем.

Например, вы можете сохранить вывод следующим образом:

sales_data_updated = sales_data.drop (столбцы = «расходы»)
 

Вы можете назвать выход как хотите. Вы даже можете назвать его исходным именем sales_data .

В качестве альтернативы вы можете установить inplace = True , что также перезапишет исходный набор данных. Я показал пример этого в примере 4.

Но будьте осторожны, если вы используете любой из этих методов, они перезапишут ваш исходный набор данных. Убедитесь, что вы проверили свой код, чтобы он работал правильно, прежде чем перезаписывать входной фрейм данных.

Вопрос 2: Что делает параметр оси?

Параметр оси — это альтернативный способ управления удалением строк или столбцов.

Лично я считаю, что использование параметра оси для метода drop() очень плохо спроектировано. Я не буду вдаваться в подробности, но то, как разработчики Pandas реализовали этот параметр, делает работу с ним очень запутанной.

Хорошая новость: есть другой способ . Можно вообще пропустить, используя параметр оси .

Вместо этого вы можете использовать параметр columns , если хотите удалить столбцы, и вы можете использовать параметр labels , если хотите удалить строки.

Я показываю синтаксис для использования этих других параметров в разделе синтаксиса, а также показываю примеры удаления столбцов и строк в примере 1, примере 2 и примере 3.

Другие вопросы оставляйте в комментариях ниже

У вас есть другие вопросы о методе сброса Pandas?

Есть ли что-то еще, что вам нужно понять, что я здесь не описал?

Если да, оставьте свой вопрос в разделе комментариев ниже.

Чтобы узнать больше о Pandas, подпишитесь на нашу рассылку

Этот учебник должен был дать вам хорошее введение в технику перетаскивания Pandas, но если вы действительно хотите освоить манипулирование данными и науку о данных в Python, есть лот больше узнать.

Итак, если вы готовы узнать больше о Pandas и науке о данных, подпишитесь на нашу рассылку по электронной почте.

Почти каждую неделю мы публикуем БЕСПЛАТНЫЕ руководства по:

• Base Python
• NumPy
• Pandas
• Scikit Learn
• Машинное обучение
• Глубокое обучение
• 2 и многое другое 90.
  

  This entry was posted in Популярное