Supposons que j'ai des données similaires à la suivante:
index id name value value2 value3 data1 val5
0 345 name1 1 99 23 3 66
1 12 name2 1 99 23 2 66
5 2 name6 1 99 23 7 66
Comment pouvons-nous supprimer toutes ces colonnes comme (value
, value2
, value3
) où toutes les lignes ont les mêmes valeurs, dans une ou plusieurs commandes utilisant python?
Considérez que nous avons de nombreuses colonnes similaires à value
, value2
, value3
...value200
.
Production:
index id name data1
0 345 name1 3
1 12 name2 2
5 2 name6 7
Ce que nous pouvons faire, c'est apply
nunique
pour calculer le nombre de valeurs uniques dans le df et supprimer les colonnes qui n'ont qu'une seule valeur unique:
In [285]:
nunique = df.apply(pd.Series.nunique)
cols_to_drop = nunique[nunique == 1].index
df.drop(cols_to_drop, axis=1)
Out[285]:
index id name data1
0 0 345 name1 3
1 1 12 name2 2
2 5 2 name6 7
Une autre façon est de simplement diff
les colonnes numériques et sums
les:
In [298]:
cols = df.select_dtypes([np.number]).columns
diff = df[cols].diff().sum()
df.drop(diff[diff== 0].index, axis=1)
Out[298]:
index id name data1
0 0 345 name1 3
1 1 12 name2 2
2 5 2 name6 7
Une autre approche consiste à utiliser la propriété selon laquelle l'écart-type sera nul pour une colonne de même valeur:
In [300]:
cols = df.select_dtypes([np.number]).columns
std = df[cols].std()
cols_to_drop = std[std==0].index
df.drop(cols_to_drop, axis=1)
Out[300]:
index id name data1
0 0 345 name1 3
1 1 12 name2 2
2 5 2 name6 7
En fait, ce qui précède peut être fait dans une seule ligne:
In [306]:
df.drop(df.std()[(df.std() == 0)].index, axis=1)
Out[306]:
index id name data1
0 0 345 name1 3
1 1 12 name2 2
2 5 2 name6 7
Une autre solution est set_index
de la colonne qui n'est pas comparée, puis comparer la première ligne sélectionnée par iloc
par eq
avec tous les DataFrame
et dernière utilisation boolean indexing
:
df1 = df.set_index(['index','id','name',])
print (~df1.eq(df1.iloc[0]).all())
value False
value2 False
value3 False
data1 True
val5 False
dtype: bool
print (df1.ix[:, (~df1.eq(df1.iloc[0]).all())].reset_index())
index id name data1
0 0 345 name1 3
1 1 12 name2 2
2 5 2 name6 7