过滤值小于 0 的 Pandas 数据帧行

Question

我有一个像这样的熊猫数据框

df = pd.DataFrame(data=[[21, 1],[32, -4],[-4, 14],[3, 17],[-7,NaN]], columns=['a', 'b'])
df

我希望能够删除列列表中具有负值的所有行并使用 NaN 保留行。

在我的示例中，只有 2 列，但我的数据集中有更多列，因此无法一一列出。

Answer 1

如果要将其应用于所有列，请使用dropna()执行df[df > 0] ：

>>> df[df > 0].dropna()
    a   b
0  21   1
3   3  17

如果您知道要将其应用于哪些列，则仅对那些df[df[cols] > 0] ：

>>> cols = ['b']
>>> df[cols] = df[df[cols] > 0][cols]
>>> df.dropna()
    a   b
0  21   1
2  -4  14
3   3  17

Answer 2

我发现你可以通过这样做来简化答案：

>>> cols = ['b']
>>> df = df[df[cols] > 0]

dropna()不是就地方法，因此您必须存储结果。

>>> df = df.dropna()

Answer 3

我正在寻找一个不改变 dtype 的解决方案（如果 NaN 与 int 混合，如使用dropna的答案中所建议的那样，就会发生这种情况。由于提问者的数据中已经有一个 NaN，这可能不是对他们来说是个问题。我采用了保留int64 dtype 的解决方案。这是我的示例数据：

df = pd.DataFrame(data={'a':[0, 1, 2], 'b': [-1,0,1], 'c': [-2, -1, 0]})
columns = ['b', 'c']
filter_ = (df[columns] >= 0).all(axis=1)
df[filter_]


   a  b  c
2  2  1  0