在熊猫数据框中删除多个条件的行答案

【问题标题】：Drop rows on multiple conditions in pandas dataframe在熊猫数据框中删除多个条件的行
【发布时间】：2019-02-26 15:21:05
【问题描述】：

我的 df 有 3 列

df = pd.DataFrame({"col_1": (0.0, 0.0, 1.0, 1.0, 0.0, 1.0, 1.0), 
                   "col_2": (0.0, 0.24, 1.0, 0.0, 0.22, 3.11, 0.0),
                    "col_3": ("Mon", "Tue", "Thu", "Fri", "Mon", "Tue", "Thu")})

我想删除 df.col_1 为 1.0 且 df.col_2 为 0.0 的行。所以，我会得到：

df = pd.DataFrame({"col_1": (0.0, 0.0, 1.0, 0.0, 1.0), 
                   "col_2": (0.0, 0.24, 1.0, 0.22, 3.11),
                    "col_3": ("Mon", "Tue", "Thu", "Mon", "Tue")})

我试过了：

df_new = df.drop[df[(df['col_1'] == 1.0) & (df['col_2'] == 0.0)].index]

它给了我错误：

'method' object is not subscriptable

知道如何解决上述问题吗？

【问题讨论】：

标签： python pandas

【解决方案1】：

drop 是一个方法，你使用[] 调用它，这就是它给你的原因：

'method' object is not subscriptable

更改为()（一个正常的方法调用）它应该可以工作：

import pandas as pd

df = pd.DataFrame({"col_1": (0.0, 0.0, 1.0, 1.0, 0.0, 1.0, 1.0),
                   "col_2": (0.0, 0.24, 1.0, 0.0, 0.22, 3.11, 0.0),
                   "col_3": ("Mon", "Tue", "Thu", "Fri", "Mon", "Tue", "Thu")})

df_new = df.drop(df[(df['col_1'] == 1.0) & (df['col_2'] == 0.0)].index)
print(df_new)

输出

   col_1  col_2 col_3
0    0.0   0.00   Mon
1    0.0   0.24   Tue
2    1.0   1.00   Thu
4    0.0   0.22   Mon
5    1.0   3.11   Tue

【讨论】：

【解决方案2】：

尝试使用 loc 过滤您的 df。太强大了 “~”表示您想要与您的条件相反的情况。 “：”表示您要保留所有列

df = df.loc[~((df['col_1'] == 1.0) & (df['col_2'] == 0.0)),:]

【讨论】：

【解决方案3】：

您可以为此使用或 (|) 运算符，请参阅此链接pandas: multiple conditions while indexing data frame - unexpected behavior

即删除同时满足两个条件的行

 df = df.loc[~((df['col_1']==1) | (df['col_2']==0))]

【讨论】：

“|”运算符用于“OR”，而“&”运算符用于“AND”条件。我认为这里需要的是 & 运算符

【解决方案4】：

mask = df['Product_Code'].isin(['filter1', 'filter2', 'filter3'])
df = df[~mask]
df.head()

.isin() 允许您根据系列中的多个值过滤整个数据框。与我所知道的其他解决方案相比，这是要编写的最少代码量。

在按列过滤器中添加~ 会反转isin() 的逻辑。

【讨论】：

【解决方案5】：

将要删除的行的位置放在“位置”。

df = df.drop(['location' axix=1, inplace=True]

【讨论】：