Question

假设我的数据类似于以下内容：

  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

如何使用 python <在一个命令或几个命令中删除所有列（value，value2，value3）所有列具有相同值的列/ strong>？

请注意，我们有许多类似于value，value2，value3 ... value200的列。

输出：

index id name data1 0 345 name1 3 1 12 name2 2 5 2 name6 7

Answer 1

我们可以做的是apply nunique来计算df中唯一值的数量，并删除只有一个唯一值的列：

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

另一种方法是diff数字列和sums它们：

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

另一种方法是使用具有相同值的列的标准偏差为零的属性：

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

实际上，上述内容可以在一行中完成：

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

Answer 2

另一个解决方案是来自列的set_index未进行比较，然后将iloc按eq选择的第一行与所有DataFrame进行比较，最后一次使用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

Answer 3

一个简单的内衬（python）：

df=df[[i for i in df if len(set(df[i]))>1]]

Answer 4

选择带有布尔索引的列：

df[df.columns[df.nunique() > 1]]

Answer 5

pythonic 解决方案

原始数据帧

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

解决方案

for col in df.columns:  # Loop through columns
  if len(df[col].unique()) == 1:  # Find unique values in column along with their length and if len is == 1 then it contains same values
    df.drop([col], axis=1, inplace=True)  # Drop the column

执行上述代码后的数据框

   index   id   name  data1
0      0  345  name1      3
1      1   12  name2      2
2      5    2  name6      7

如何通过pandas或spark数据帧删除所有行中具有相同值的列？

5 个答案: