熊猫：在python中删除具有不同编码0的行

Question

我计算了统计值并将它们写入 csv 文件。 nan 值被零替换。有些行只有零，有些行只有 0 和 0.0 值。如何删除这些行？根据所附图像行号 5 、 6（仅 0.0s）、9 和 11（0s 和 0.0s）需要被删除。

import pandas as pd
all_df = pd.read_csv('source.csv')
all_df.dropna(subset=df_all.columns.tolist()[1:], how='all', inplace=True)
all_df.fillna(0, inplace=True)
all_df.to_csv('outfile.csv', index=False)

Answer 1

使用all_df[(all_df.T != 0).any()] 或all_df[(all_df != 0).any(axis=1)]：

all_df = pd.DataFrame({'a':[0,0,0,1], 'b':[0,0,0,1]})
print all_df

   a  b
0  0  0
1  0  0
2  0  0
3  1  1

all_df = all_df[(all_df.T != 0).any()]
all_df

   a  b
3  1  1

编辑 1：查看数据后，解决方案是将所有数值列转换为浮点数，然后执行操作。此问题源于初始数据保存到 .csv 文件的方式。

all_df = pd.read_csv('/Users/me/Downloads/Test11.csv')

# do not select 'activity' column
df = all_df.loc[:, all_df.columns != 'activity']

# convert to float
df = df.astype(float)

# remove columns with all 0s
mask = (df != 0).any(axis=1)
df = df[mask]

#mask activity column
recover_lines_of_activity_column = all_df['activity'][mask]

# Final result
final_df = pd.concat([recover_lines_of_activity_column, df], axis = 1)    

输出：