问题:在熊猫数据框中删除全零的行
我可以使用pandas
dropna()
功能来删除将部分或全部列设置为NA
的行。是否存在用于删除所有列的值为0的行的等效函数?
P kt b tt mky depth
1 0 0 0 0 0
2 0 0 0 0 0
3 0 0 0 0 0
4 0 0 0 0 0
5 1.1 3 4.5 2.3 9.0
在此示例中,我们要删除数据帧的前4行。
谢谢!
回答 0
事实证明,这可以很好地以矢量化方式表达:
> df = pd.DataFrame({'a':[0,0,1,1], 'b':[0,1,0,1]})
> df = df[(df.T != 0).any()]
> df
a b
1 0 1
2 1 0
3 1 1
回答 1
一线。无需移调:
df.loc[~(df==0).all(axis=1)]
对于那些喜欢对称的人,这也适用…
df.loc[(df!=0).any(axis=1)]
回答 2
我大约每月一次查找此问题,并且总是必须从评论中找出最佳答案:
df.loc[(df!=0).any(1)]
谢谢丹·艾伦!
回答 3
用替换零,nan
然后将所有条目的行都删除为nan
。之后,将其替换nan
为零。
import numpy as np
df = df.replace(0, np.nan)
df = df.dropna(how='all', axis=0)
df = df.replace(np.nan, 0)
回答 4
我认为这种解决方案是最短的:
df= df[df['ColName'] != 0]
回答 5
我发现一些解决方案在查找时很有用,尤其是对于较大的数据集:
df[(df.sum(axis=1) != 0)] # 30% faster
df[df.values.sum(axis=1) != 0] # 3X faster
继续@ U2EF1中的示例:
In [88]: df = pd.DataFrame({'a':[0,0,1,1], 'b':[0,1,0,1]})
In [91]: %timeit df[(df.T != 0).any()]
1000 loops, best of 3: 686 µs per loop
In [92]: df[(df.sum(axis=1) != 0)]
Out[92]:
a b
1 0 1
2 1 0
3 1 1
In [95]: %timeit df[(df.sum(axis=1) != 0)]
1000 loops, best of 3: 495 µs per loop
In [96]: %timeit df[df.values.sum(axis=1) != 0]
1000 loops, best of 3: 217 µs per loop
在更大的数据集上:
In [119]: bdf = pd.DataFrame(np.random.randint(0,2,size=(10000,4)))
In [120]: %timeit bdf[(bdf.T != 0).any()]
1000 loops, best of 3: 1.63 ms per loop
In [121]: %timeit bdf[(bdf.sum(axis=1) != 0)]
1000 loops, best of 3: 1.09 ms per loop
In [122]: %timeit bdf[bdf.values.sum(axis=1) != 0]
1000 loops, best of 3: 517 µs per loop
回答 6
import pandas as pd
df = pd.DataFrame({'a' : [0,0,1], 'b' : [0,0,-1]})
temp = df.abs().sum(axis=1) == 0
df = df.drop(temp)
结果:
>>> df
a b
2 1 -1
回答 7
您可以使用快速lambda
功能来检查给定行中的所有值是否均为0
。然后,您可以将应用该结果的结果lambda
用作仅选择与该条件匹配或不匹配的行的一种方式:
import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.DataFrame(np.random.randn(5,3),
index=['one', 'two', 'three', 'four', 'five'],
columns=list('abc'))
df.loc[['one', 'three']] = 0
print df
print df.loc[~df.apply(lambda row: (row==0).all(), axis=1)]
Yield:
a b c
one 0.000000 0.000000 0.000000
two 2.240893 1.867558 -0.977278
three 0.000000 0.000000 0.000000
four 0.410599 0.144044 1.454274
five 0.761038 0.121675 0.443863
[5 rows x 3 columns]
a b c
two 2.240893 1.867558 -0.977278
four 0.410599 0.144044 1.454274
five 0.761038 0.121675 0.443863
[3 rows x 3 columns]
回答 8
另一种选择:
# Is there anything in this row non-zero?
# df != 0 --> which entries are non-zero? T/F
# (df != 0).any(axis=1) --> are there 'any' entries non-zero row-wise? T/F of rows that return true to this statement.
# df.loc[all_zero_mask,:] --> mask your rows to only show the rows which contained a non-zero entry.
# df.shape to confirm a subset.
all_zero_mask=(df != 0).any(axis=1) # Is there anything in this row non-zero?
df.loc[all_zero_mask,:].shape
回答 9
对我来说这段代码: df.loc[(df!=0).any(axis=0)]
没有用。它返回了确切的数据集。
相反,我用 df.loc[:, (df!=0).any(axis=0)]
并删除了数据集中所有具有0值的列
该函数.all()
删除了我的数据集中所有零值的所有列。
回答 10
df = df [~( df [ ['kt' 'b' 'tt' 'mky' 'depth', ] ] == 0).all(axis=1) ]
尝试使用此命令,即可正常运行。
回答 11
要在任何行中删除所有值为0的列:
new_df = df[df.loc[:]!=0].dropna()
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。