python - 根据值的计数在数据框中删除列

Question

嗨，我是 Pandas 的新手，正在为操纵而苦苦挣扎。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。

我尝试了下面的循环，但它不起作用。有什么简单的方法可以做到这一点？还有我可以创建一个函数来将其应用于任何我想保留仅包含 n 个值或更多值的列的数据框吗？

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DataFrame.dropna其中有参数 thresh，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

注意 C 和 D 列被删除，因为它们的非 Na 值少于 2 个