从 dataframe 中的列分配标签

Question

我有以下问题，从 5 列 dataframe 我需要为其分配一个 label 但前提是任何列具有超过 2 个非 nan 值，例如以下 dataframe：

Name   Orange  Blue  Red  Black
A       nan     nan   ok   nan
A       nan     nan  nan   nan
A       nan     ok    ok   nan
A        ok     nan   ok    ok

在这种情况下，A 必须是 label 作为红色，我尝试消除只有 nan 值的列：

df[df[~df.isnull().all()]]

但我无法正确分配 label，有优化流程的想法吗？ output 可以是带有更多非南值的列的 df，例如：

Name   Red  
A      ok   
A      nan   
A      ok   
A      ok   

Answer 1

这是使用notna和boolean 索引来实现的一种方法：

N = 2 # <- adjust here the threshold

sl = df.set_index("Name").notna().sum().loc[lambda s: s.gt(N)]
​
out = df[["Name"]].join(df.iloc[:, sl])

另一种变体（更好的变体）：

out = df.loc[:, df.notna().sum() >= N]

Output：

print(out)

  Name  Red
0    A   ok
1    A  NaN
2    A   ok
3    A   ok