在R中,我们可以使用sapply
来提取具有大于10的唯一值数的列:
X[, sapply(X, function(x) length(unique(x))) >=10]
我们如何在Python Pandas中做同样的事情?
另外,我们如何选择缺少比例小于10%的列,就像我们在R中所做的那样:
X[, sapply(X, function(x) sum(is.na(x))/length(x) ) < 0.1]
感谢。
答案 0 :(得分:7)
您可以将nunique
与apply
一起使用,因为它仅适用于Series
:
print (df.ix[:, df.apply(lambda x: x.nunique()) >= 10])
print (df.ix[:, df.isnull().mean() < 0.1])
样品:
df = pd.DataFrame({'A':[1,np.nan,3],
'B':[4,4,np.nan],
'C':[7,8,9],
'D':[3,3,5]})
print (df)
A B C D
0 1.0 4.0 7 3
1 NaN 4.0 8 3
2 3.0 NaN 9 5
print (df.ix[:, df.apply(lambda x: x.nunique()) >= 2])
A C D
0 1.0 7 3
1 NaN 8 3
2 3.0 9 5
print (df.isnull().sum())
A 1
B 1
C 0
D 0
dtype: int64
print (df.isnull().sum() / len(df.index))
A 0.333333
B 0.333333
C 0.000000
D 0.000000
dtype: float64
print (df.isnull().mean())
A 0.333333
B 0.333333
C 0.000000
D 0.000000
dtype: float64
print (df.ix[:, df.isnull().sum() / len(df.index) < 0.1])
C D
0 7 3
1 8 3
2 9 5
或者:
print (df.ix[:, df.isnull().mean() < 0.1])
C D
0 7 3
1 8 3
2 9 5