根據各列的 True 或 False 值過濾行

Question

（英語不是我的母語，我會盡力解釋我的疑問）

我有一個包含應用程序數據的 Dataframe，我想將其分成兩個其他 DF，第一個包含此應用程序的高級用戶，另一個包含數據的 rest。

成為高級會員的條件是在確定的列上至少有一個 True 值，否則，非高級會員在以下列任何一個上都沒有 True 值：

list_of_columns = [column1, column2, column3, column4, ..., columnN]

我讓用戶的 df 做：

for column in list_of_columns:
    if list_of_columns.index(column) == 0:
        users_df = df.loc[data[column] == True]
    else:
        users_df = pd.concat([users_df, df.loc[data[column] == True]])
users_df = users_df.drop_duplicates()

我可以得到另一個， non_users_df 做這樣的事情：

non_users_df = df.loc[(df[column1] == False) &
                                         (data[column1] == False) &
                                         (data[column2] == False) &
                                         (data[column3] == False) &
                                         (data[...] == False) &
                                         (data['columnN'] == False)]

我對構建 users_df 的方式感到滿意，但我認為必須有另一種方式來獲取 non_users_df，特別是因為條件中有很多列（即使是我讓我得到正確 df 的方式）。

有人可以幫我嗎？ 非常感謝

Answer 1

下面是兩個更優雅的解決方案：

# Leaving rows if one True exists
users_df = df[~((~df).all(axis=1))]

# Leaving rows that are all False
non_users_df = df[((~df).all(axis=1))]

如果您希望僅對數據集中的某些列制定標准：

cols = ['column1', 'column2']

# Leaving rows if one True exists
users_df = df[~((~df[cols]).all(axis=1))]

# Leaving rows that are all False
non_users_df = df[((~df[cols]).all(axis=1))]