Question

嗨，我是熊猫的新手，正在为操纵而挣扎。我有一个包含大量列的数据框df，我只想保留计数超过5000个值的列数。

我尝试了以下循环，但无法正常工作。有没有简单的方法可以做到这一点？还有一个我可以创建的函数，将其应用于任何我想保留仅n个值或更多的列的数据框吗？

for column in df.columns: 
   if df[column].count() > 5000: 
      column = column
   else: 
      df[column].drop()

谢谢

Answer 1

我们可以使用带有参数thresh的{{3}}，例如：

import pandas as pd
import numpy as np

# example dataframe
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, np.nan],
    'C': [np.nan, np.nan, 6],
    'D': [np.nan, np.nan, np.nan]
})


   A    B    C   D
0  1  4.0  NaN NaN
1  2  5.0  NaN NaN
2  3  NaN  6.0 NaN

我们将阈值设置为2，在您的情况下为5000：

df.dropna(thresh=2, axis=1)

   A    B
0  1  4.0
1  2  5.0
2  3  NaN

通知栏C和D之所以删除，是因为它们的非Na值少于2个

Answer 2

尝试一下：

newdf=df.copy()
for column in newdf.columns: 
    if df[column].count() <= 5000: 
        df=df.drop(column, axis=1)

或等价物：

newdf=df.copy()
for column in newdf.columns: 
    if df[column].count() <= 5000: 
        del df.column

根据其值计数在数据框中删除列

2 个答案: