python - 如何在python中的pandas.DataFrame中找出全部用零填充的行或列并将其删除？

Question

我有这样的 pandas.DataFrame() 对象:

In [11]: df
Out[11]: 
   a  b
0  0  1
1  0  1
2  0  0
3  0  0
4  1  1

[5 rows x 2 columns]

我想删除全部用零填充的行:此处索引为 2 和 3 的行。

期望的输出:

In [12]: magic_func(df)
Out[12]: 
   a  b
0  0  1
1  0  1
4  1  1

[3 rows x 2 columns]

Answer 1

df.loc[~(df == 0).all(axis=1)]

<小时/>

演示:

In [92]: df = pd.DataFrame({'a':[0,0,0,0,1], 'b':[1,1,0,0,1]})

In [93]: df
Out[93]: 
   a  b
0  0  1
1  0  1
2  0  0
3  0  0
4  1  1

[5 rows x 2 columns]

In [94]: (df == 0).all(axis=1)
Out[94]: 
0    False
1    False
2     True
3     True
4    False
dtype: bool

In [95]: df.loc[~(df == 0).all(axis=1)]
Out[95]: 
   a  b
0  0  1
1  0  1
4  1  1

[3 rows x 2 columns]

<小时/>

df[~df.isin([0]).all(axis=1)] 也有效:

In [108]: df[~df.isin([0]).all(axis=1)]
Out[108]: 
   a  b
0  0  1
1  0  1
4  1  1

但对于大型数据帧来说可能会更慢:

In [106]: df2 = pd.concat([df]*10000)

In [109]: %timeit df2.loc[~(df2 == 0).all(axis=1)]
100 loops, best of 3: 5.19 ms per loop

In [110]: %timeit df2[~df2.isin([0]).all(axis=1)]
10 loops, best of 3: 50.2 ms per loop

当您需要针对一大组值测试成员资格时，

isin 非常有用，但对于只有一个值，df == 0 并不奇怪，因为更多直接，更快。