基于多列删除 Pandas 中的行答案

【问题标题】：Removing rows in Pandas based on multiple columns基于多列删除 Pandas 中的行
【发布时间】：2016-09-05 04:13:12
【问题描述】：

在 Pandas 中，我有一个包含 ZipCode、Age 和一堆列的数据框，这些列的值都应该为 1 或 0，即：

ZipCode Age A B C D

12345   21  0 1 1 1
12345   22  1 0 1 4
23456   45  1 0 1 1
23456   21  3 1 0 0

我想删除 A、B、C 或 D 列中未出现 0 或 1 的所有行，以清理数据。在这种情况下，我将删除第 2 行和第 4 行，因为 4 出现在第 2 行的 D 列中，3 出现在第 4 行的 A 列中。即使我有 100 列要检查，我也想这样做必须在我的条件语句中一一查找每一列。我该怎么做？

【问题讨论】：

标签： python pandas

【解决方案1】：

其他两种解决方案效果很好，但如果您对速度感兴趣，您应该查看 numpy in1d 函数：

data=df.loc[:, 'A':]

In [72]:  df[np.in1d(data.values,[0,1]).reshape(data.shape).all(axis=1)]
Out[72]:
   ZipCode  Age  A  B  C  D
0    12345   21  0  1  1  1
2    23456   45  1  0  1  1

时机：

In [73]: %timeit data=df.loc[:, 'A':]; df[np.in1d(data.values,[0,1]).reshape(data.shape).all(axis=1)]
1000 loops, best of 3: 558 us per loop

In [74]: %timeit df[df.ix[:,'A':].isin([0,1]).all(axis=1)]
1000 loops, best of 3: 843 us per loop

In [75]: %timeit df[df[['A','B','C','D']].isin([0,1]).sum(axis=1)==4]
1000 loops, best of 3: 1.44 ms per loop

【讨论】：

【解决方案2】：

您可以选择矢量化解决方案：

In [64]: df[df[['A','B','C','D']].isin([0,1]).sum(axis=1)==4]

Out[64]:
   ZipCode  Age  A  B  C  D
0    12345   21  0  1  1  1
2    23456   45  1  0  1  1

【讨论】：

【解决方案3】：

使用isin 测试成员资格，使用all 测试所有行值是否为True，并使用此布尔掩码过滤df：

In [12]:
df[df.ix[:,'A':].isin([0,1]).all(axis=1)]

Out[12]:
   ZipCode  Age  A  B  C  D
0    12345   21  0  1  1  1
2    23456   45  1  0  1  1

【讨论】：