[譯]如何根據(jù)條件從pandas DataFrame中刪除不需要的行？

劉玉平發(fā)布于2019-07-31 10:09 / 1757人閱讀

摘要：問題來源問我有一個(gè)，我想刪除它特定列中字符串差姑娘是大于的行，我知道我可以使用來去除包含的行，但我沒有找到如何根據(jù)條件刪除行。如果要應(yīng)用于列中的每個(gè)元素，請(qǐng)使用。例如刪除列和的所有行

問題來源：https://stackoverflow.com/que...

問：
我有一個(gè)pandas DataFrame，我想刪除它特定列中字符串差姑娘是大于2的行，我知道我可以使用df.dropna()來去除包含NaN的行，但我沒有找到如何根據(jù)條件刪除行。
似乎我能夠這樣做：

df[(len(df["column name"]) < 2)]

但卻報(bào)錯(cuò)了：
KeyError: u"no item named False"
誰能告訴我錯(cuò)在哪里了？

回答一：
當(dāng)你這樣做時(shí)，len(df["column name"])你只得到一個(gè)數(shù)字，即DataFrame中的行數(shù)（即列本身的長度）。如果要應(yīng)用于len列中的每個(gè)元素，請(qǐng)使用df["column name"].map(len)。
嘗試使用：

df[df["column name"].map(len) < 2]

評(píng)論：
我想出了一種使用列表解析的方法：df[[(len(x) < 2) for x in df["column name"]]] 但是你這種方法更好些。

回答二：
要直接回答這個(gè)問題，一種方法是使用drop方法：

df = df.drop(some labels)
df = df.drop(df[].index)

要?jiǎng)h除列“score”<50的所有行：

df = df.drop(df[df.score < 50].index)

替換版本

df.drop(df[df.score < 50].index, inplace=True)

多條件情況：
可以使用操作符： | 只需其中一個(gè)成立, & 同時(shí)成立, ~ 表示取反，它們要用括號(hào)括起來。
例如刪除列“score<50 和>20的所有行

df = df.drop(df[(df.score < 50) & (df.score > 20)].index)

云服務(wù)器 GPU云服務(wù)器 js根據(jù)條件篩選 js根據(jù)條件篩選數(shù)據(jù) linux刪除重復(fù)的行數(shù)據(jù) linux 刪除重復(fù)的行數(shù)據(jù)

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/43354.html

相關(guān)文章

Pandas庫基礎(chǔ)分析——數(shù)據(jù)規(guī)整化處理

摘要：前言在數(shù)據(jù)分析和建模之前需要審查數(shù)據(jù)是否滿足數(shù)據(jù)處理應(yīng)用的要求，以及對(duì)數(shù)據(jù)進(jìn)行清洗，轉(zhuǎn)化，合并，重塑等一系列規(guī)整化處理。通過數(shù)據(jù)信息查看可知數(shù)據(jù)中存在缺失值，比如各存在個(gè)，各存在個(gè)。前言在數(shù)據(jù)分析和建模之前需要審查數(shù)據(jù)是否滿足數(shù)據(jù)處理應(yīng)用的要求，以及對(duì)數(shù)據(jù)進(jìn)行清洗，轉(zhuǎn)化，合并，重塑等一系列規(guī)整化處理。pandas標(biāo)準(zhǔn)庫提供了高級(jí)靈活的方法，能夠輕松地將數(shù)據(jù)規(guī)整化為正確的形式，本文通...

roundstones 2019-07-30 16:36 評(píng)論0 收藏0
??數(shù)據(jù)科學(xué)-Pandas、Numpy、Matplotlib秘籍之精煉總結(jié)

前言：先感受一下數(shù)據(jù)科學(xué)的魅力，上圖是在Smart Dubai 2017 GITEX科技周展臺(tái)上推出Smart Decision-Making Platform（智能決策平臺(tái)），于10月8日至12日在迪拜世界貿(mào)易中心舉行。游客可以通過一個(gè)沉浸式的空間將數(shù)據(jù)可視化，讓他們了解迪拜的未來。讓參觀者可以在現(xiàn)場查閱觀看全市數(shù)據(jù)，這意味著迪拜將成為了世界上第一個(gè)與公眾分享實(shí)時(shí)實(shí)時(shí)數(shù)據(jù)的城市，同時(shí)還可以預(yù)...

Zhuxy 2021-09-08 09:36 評(píng)論0 收藏0
Pandas技巧大全：含具體代碼實(shí)現(xiàn)

摘要：查看數(shù)據(jù)的基本統(tǒng)計(jì)信息。用處是用于數(shù)據(jù)讀寫處理更改提取等一系列操作的包，可以說，所有能實(shí)現(xiàn)的功能，都可以通過代碼輕松實(shí)現(xiàn)，因此，對(duì)于學(xué)習(xí)非常重要。如果在里，需要翻到最低和最右，而且可能由于溢出無法窮盡可以簡單的實(shí)現(xiàn)。放在前面的話? ? ????? ? ? ?? ????????這學(xué)期刻意少...

netmou 2021-09-30 09:48 評(píng)論0 收藏0
【數(shù)據(jù)科學(xué)系統(tǒng)學(xué)習(xí)】Python # 數(shù)據(jù)分析基本操作[二] pandas

摘要：中面向行和面向列的操作基本是平衡的。用層次化索引，將其表示為更高維度的數(shù)據(jù)。使用浮點(diǎn)值表示浮點(diǎn)和非浮點(diǎn)數(shù)組中的缺失數(shù)據(jù)。索引的的格式化輸出形式選取數(shù)據(jù)子集在內(nèi)層中進(jìn)行選取層次化索引在數(shù)據(jù)重塑和基于分組的操作中很重要。我們?cè)谏弦黄榻B了 NumPy，本篇介紹 pandas。 pandas入門 Pandas 是基于Numpy構(gòu)建的，讓以NumPy為中心的應(yīng)用變的更加簡單。 pandas...

jayzou 2019-07-31 11:11 評(píng)論0 收藏0
[譯]從列表或字典創(chuàng)建Pandas的DataFrame對(duì)象

摘要：在這些情況下，了解如何從標(biāo)準(zhǔn)列表或字典創(chuàng)建會(huì)很有幫助。大多數(shù)人會(huì)注意到列的順序看起來不對(duì)。這個(gè)問題出現(xiàn)的原因是標(biāo)準(zhǔn)的字典不保留其鍵的順序。列表從創(chuàng)建的另一個(gè)選擇是將數(shù)據(jù)包含在列表結(jié)構(gòu)中。介紹每當(dāng)我使用pandas進(jìn)行分析時(shí)，我的第一個(gè)目標(biāo)是使用眾多可用選項(xiàng)中的一個(gè)將數(shù)據(jù)導(dǎo)入Pandas的DataFrame 。對(duì)于絕大多數(shù)情況下，我使用的 read_excel ， read_csv ...

zhaochunqi 2019-07-30 17:57 評(píng)論0 收藏0