[英]Remove Rows from pandas.Dataframe Based on Entries
给定一个pandas.DataFrame
:
| Col_A | Col_B | Other_Columns
0 | A0 | B0 | …
1 | A1 | B1 | …
2 | A2 | B2 | …
3 | A3 | B3 | …
… | … | … | …
我一直在尝试保留这个DataFrame
一个子集:去掉A
和B
条目都是唯一的行(例如,如果在第 6 行说,值A6
和B6
都没有出现在DataFrame
其他任何地方,我们想删除这一行)
我不想删除重复项。 另外,我不想获得唯一值(如果我理解得很好,这类似于将列表转换为集合,对吗?)而是只出现一次的值。
在这一点上,这就是我所得到的:
counts = df[['Col_A','Col_B']].stack().value_counts(ascending=True)
myList = [0] + [item for item in counts[counts.values == 1].index]
toRemove = []
for i in df.index:
if (df.at[i,'Col_A'] and df.at[i, 'Col_B']) in myList:
toRemove.append(i)
final_df = df[~df.index.isin(toRemove)]
这不是很有效(数据框相当大> 10M 行)一定有一个更 Pythonic 的策略,涉及到 Pandas 的内置功能,对吧? 另外,我不太确定第一行是否正确:通过堆叠两列,我是否确保对两列的条目进行计数?
如果您需要更多信息或者我的文字对您来说不清楚,请不要犹豫。
非常感谢您抽出时间:-)
这样的事情怎么样:
In [75]: df = pd.DataFrame(np.random.randint(0,100,size=(10, 3)), columns=list('abc'))
In [76]: df
Out[76]:
a b c
0 37 85 17
1 19 0 11
2 51 20 65
3 59 92 65
4 48 15 91
5 21 50 44
6 61 94 49
7 51 6 88
8 89 72 40
9 5 51 79
In [77]: c = df[['a','b']].stack().value_counts()
In [78]: c
Out[78]:
51 3
94 1
15 1
37 1
6 1
72 1
50 1
21 1
5 1
48 1
61 1
19 1
20 1
85 1
89 1
59 1
92 1
0 1
dtype: int64
In [79]: c[c>1]
Out[79]:
51 3
dtype: int64
In [80]: vals = c[c>1].index
In [81]: df[(df['a'].isin(vals)) | (df['b'].isin(vals))]
Out[81]:
a b c
2 51 20 65
7 51 6 88
9 5 51 79
更新:
当您在if (df.at[i,'Col_A'] and df.at[i, 'Col_B']) in myList:
执行if (df.at[i,'Col_A'] and df.at[i, 'Col_B']) in myList:
检查您是否检查它不太正确...
这是正在发生的事情:
In [90]: df.at[0, 'a'], df.at[0, 'b']
Out[90]: (37, 85)
In [91]: (df.at[0, 'a'] and df.at[0, 'b'])
Out[91]: 85
所以你不能这样检查
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.