Je peux utiliser la fonctionnalité pandas
dropna()
pour supprimer des lignes dont certaines ou toutes les colonnes sont définies comme suit: NA
'. Existe-t-il une fonction équivalente pour supprimer des lignes dont toutes les colonnes ont la valeur 0?
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
Dans cet exemple, nous aimerions supprimer les 4 premières lignes du cadre de données.
merci!
Il s'avère que cela peut être joliment exprimé de manière vectorielle:
> 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
Bon mot. Aucune transposition nécessaire:
df.loc[~(df==0).all(axis=1)]
Et pour ceux qui aiment la symétrie, cela fonctionne aussi ...
df.loc[(df!=0).any(axis=1)]
Je regarde cette question environ une fois par mois et je dois toujours extraire la meilleure réponse des commentaires:
df.loc[(df!=0).any(1)]
Merci Dan Allan!
Remplacez les zéros par nan, puis supprimez les lignes contenant toutes les entrées sous la forme nan . Après cela, remplacez nan par zéros.
df= df.replace(0,nan)
df=df.dropna(how='all',axis=0)
df=df.replace(nan,0)
Je pense que cette solution est la plus courte:
df= df[df['ColName'] != 0]
Quelques solutions que j'ai trouvées utiles, notamment pour les grands ensembles de données:
df[(df.sum(axis=1) != 0)] # 30% faster
df[df.values.sum(axis=1) != 0] # 3X faster
Continuant avec l'exemple de @ U2EF1:
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
Sur un plus grand ensemble de données:
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
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)
Résultat:
>>> df
a b
2 1 -1
Vous pouvez utiliser une fonction rapide lambda
pour vérifier si toutes les valeurs d'une ligne donnée sont 0
. Vous pouvez ensuite utiliser le résultat de l'application de cette lambda
pour choisir uniquement les lignes correspondant ou non à cette condition:
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)]
Rendements:
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]
Une autre alternative:
# 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
df = df [~( df [ ['kt' 'b' 'tt' 'mky' 'depth', ] ] == 0).all(axis=1) ]
Essayez cette commande, elle fonctionne parfaitement.