如果列的所有元素都是负数,则pandas会对列进行切片

时间:2015-01-06 09:46:01

标签: python pandas

我是这样做的,但我觉得它可以更简单。

df = pd.DataFrame(data={'A':[1,1,1,1], 'B':[-1,-1,-1,-1], 'C':[-1,-1,-1,-1], 'D':[-1,-1,-1,-1], 'E':[1,1,1,1]})
print df

msk= []
for i,k in enumerate(df.columns.tolist()):
    if (df.iloc[:,i]<0).all(0):
        msk.append(k)

df[msk]
print df[msk]

2 个答案:

答案 0 :(得分:2)

使用np.all并传递axis=0

In [14]:

df[df.columns[np.all(df<0, axis=0)]]
Out[14]:
   B  C  D
0 -1 -1 -1
1 -1 -1 -1
2 -1 -1 -1
3 -1 -1 -1

<强>计时

In [18]:

%%timeit
msk= []
for i,k in enumerate(df.columns.tolist()):
    if (df.iloc[:,i]<0).all(0):
        msk.append(k)

df[msk]
1000 loops, best of 3: 1.78 ms per loop
In [19]:

%timeit df[df.columns[np.all(df < 0, axis=0)]]

1000 loops, best of 3: 661 µs per loop

<强>更新

@ Aerofoil的答案实际上是最慢的,它可能比你的更好,但我怀疑它会比numpy方法更快

In [25]:

%timeit df[(df<0)].dropna(axis=1)
100 loops, best of 3: 2.11 ms per loop

进一步更新

如果我们比较400,000行df的性能,那么我们会看到以下内容:

你的方法:

10 loops, best of 3: 42.2 ms per loop

@ Aerofoil的方法:

10 loops, best of 3: 124 ms per loop

使用np.all的numpy方法:

100 loops, best of 3: 9.47 ms per loop

所以我们看到numpy方法在向量化时更好地扩展

答案 1 :(得分:1)

希望这会有所帮助:

>>> from pandas import *
>>> import pandas as pd

>>> L = [[1,2,-1], [-5,6,-3], [-1,-2,-7]]

>>> df = DataFrame(L)
>>> df
   0  1  2
0  1  2 -1
1 -5  6 -3
2 -1 -2 -7

>>> df1 = df[(df<0)].dropna(axis=1)
>>> df1
   2
0 -1
1 -3
2 -7