我有一个pandas数据框，想要摆脱列中的一行＆＃39; A＆＃39;是否定的。我知道有两种方法可以做到这一点：
df = df[df['A'] >= 0]
或
selRows = df[df['A'] < 0].index
df = df.drop(selRows, axis=0)
推荐的解决方案是什么？为什么呢？
答案 0 :(得分：2)
你的问题是这样的：“我有两个相同的蛋糕，但有一个有糖衣。哪个有更多的卡路里？”
第二种解决方案是做同样的事情，但两次。过滤步骤就足够了，不需要过滤，然后然后冗余地继续调用一个函数，它完成与前一步骤中的过滤操作完全相同的操作。
澄清一下：无论操作如何，你仍然在做同样的事情：生成一个布尔掩码，然后进行索引。
答案 1 :(得分：1)
推荐的解决方案是最有效的，在这种情况下，是第一个。
df = df[df['A'] >= 0]
关于第二个解决方案
selRows = df[df['A'] < 0].index
df = df.drop(selRows, axis=0)
你正在重复切片过程。但是让我们把它分解成碎片来理解原因。
写作时
df['A'] >= 0
你正在创建一个蒙版，一个布尔系列，每个df索引都带有一个条目，根据条件，它的值为True或False（在这种情况下，如果是这样的列的值＆＃39; A＆＃39 ;在给定的索引处大于或等于0）。
写作时
df[df['A'] >= 0]
您访问掩码（df [＆＃39; A＆＃39;]＆gt; = 0）为True的行。这是Pandas支持的切片方法，允许您通过传递布尔系列来选择某些行，并返回一个新的DataFrame，其中只包含Series为True的条目。
最后，当你写这个
selRows = df[df['A'] < 0].index
df = df.drop(selRows, axis=0)
你正在重复过程，因为
df[df['A'] < 0]
已经在对您的DataFrame进行切片（在这种情况下，您要放弃的行）。然后，您将获取这些索引，返回到原始DataFrame并显式删除它们。不需要这个，你已经在第一步切片了DataFrame。
答案 2 :(得分：0)
df = df[df['A'] >= 0]
确实是更快的解决方案。请注意，它返回原始数据帧的视图，而不是新数据帧。这可能会给您带来麻烦，例如，当您想更改其值时，大熊猫会给您SettingwithCopyWarning。
Wen-Ben推荐的当然是简单的解决方法：
df = df[df['A'] >= 0].copy()