如何在lambda上删除行基

Question

我有数据框，如果有一些值，我必须删除行。

例如，

x not in ['N/A', ''] where x is columns

有没有像申请一样的方式？

 df[x] = df[x].apply(lambda x: x.lower())

我想的是：

df.drop.apply(lambda x: X not in ['N/A', ''])???

我的DF

     F   T   l
0    0   "0"   "0"
1    1   ""   "1"
2    2   "2"   ""

如果T ==“”或l ==“”

，则删除行

     F   T   l
0    0   "0"   "0"

我无法使用

df.drop(df.T == "") since the condition ("") depend on runtime data

Answer 1

如果您要删除行中'N/A'或''的任何行，那么您可以使用布尔索引，只需取isin()的倒数，例如：

In []:
df[~df.isin(['N/A', '']).any(axis=1)]

Out[]:
   F  T  l
0  0  0  0

如果您需要限制列'A', 'l'，请选择它们，例如：

df[~df[['A', 'l']].isin(['N/A', '']).any(axis=1)]

你也可以dict使用isin()，但这只有在列的值不同时才有用，例如：

df[~df.isin({'A': ['N/A', ''], 'l': ['']}).any(axis=1)]

Answer 2

从以下answer，解决方案是：

 mask = df.pipe(lambda x: (x['T'].isin(['N/A', ''])) | (x['T'].isna()),)
 df.drop(df[mask].index, inplace=True)

这允许提供不同的lambdas