如果列中超过 90% 的值是 0，则删除 Dataframe 中的列

Question

我有一个 dataframe，它看起来像这样：

如您所见，第三列和第四列有很多 0。 如果这些值的 90% 以上为 0，我需要删除这些列。

Answer 1

首先，下次请给出示例数据集，而不是图像或副本。 最好给出一个重现问题的最小示例（这也是调查问题的好方法）。 例如，这个 df 可以解决问题：

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

现在，先前的答案有所帮助，但如果您可以避免循环，则最好。 你可以写一些更简单、更简洁的东西来解决这个问题：

df.drop(columns=df.columns[df.eq(0).mean()>0.9])

让我们一步一步来：
df.eq(0)在每个单元格中返回True \\ False 。
.mean()方法将 True 视为 1，将 False 视为 0，因此将该均值与 0.9 进行比较就是您想要的。
在这些地方调用df.columns[...]将只返回那些>0.9地方，而drop只是丢弃它们。

Answer 2

以下应该为您解决问题：

row_count = df.shape[0]
columns_to_drop = []

for column, count in df.apply(lambda column: (column == 0).sum()).iteritems():
    if count / row_count >= 0.9:
        columns_to_drop.append(column)

df = df.drop(columns_to_drop, axis=1, inplace=True)

Answer 3

bad_col = []
for i, x in enumerate(df.columns):
    if sorted(list(df[x].value_counts(normalize = True).values))[-1] >= 0.9 :
        bad_col.append(x)

Answer 4

解释内联代码。

#Suppose df is your DataFrame then execute the following code.

df_float=df.loc[:, df.dtypes == np.float64] #checks if the column contains numbers

for i in df_float.columns:
    if ((len(df_float[i].loc[df_float[i]==0])/len(df_float))>0.9): #checking if 90% data is zero
        df_float.drop(i,axis=1,inplace=True) #delete the column

#Your results are stored in df_float