Question

我有一个pandas数据框，我希望通过应用基于count函数的过滤器来创建一个新的数据框，这样就只能选择计数等于指定数字的那些列。

例如在下面的数据框中：

month_end   Col A       Col B       Col C       Col D
200703      NaN          NaN         NaN         NaN
200704      0.084       0.152       0.142      0.0766
200705      0.124       0.123       0.020       NaN 
200706      NaN         0.191       0.091       0.149   
200707      -0.136      0.047       0.135      -0.127

如果my_variable = 4，则df1应该只包含Col B和Col D以及索引month_end。

我该怎么做？

Answer 1

您可以执行以下操作：

df.loc[:,df.notna().sum(0).eq(4)]

    ColB   ColC
0    NaN    NaN
1  0.152  0.142
2  0.123  0.020
3  0.191  0.091
4  0.047  0.135

或者还有count，已经在计数之前丢下了重复对象：

df.loc[:,df.count().eq(4)]

如果要包括日期列，但它不是索引：

ix = df.notna().sum(0).eq(4)
df.loc[:,ix.index[ix].union(['month_end'])]

    ColB   ColC  month_end
0    NaN    NaN     200703
1  0.152  0.142     200704
2  0.123  0.020     200705
3  0.191  0.091     200706
4  0.047  0.135     200707

Answer 2

另一个没有循环的解决方案：

s = df.notna().sum(0) == 4     
df = df.loc[:, s]

Answer 3

带有for循环的解决方案：

for col in df.columns:
    if (df[col].count() != 4):
        df.drop(col, axis=1)

熊猫数据框：使用计数功能过滤数据

3 个答案: