Python Pandas：DataFrame 过滤负值答案

【问题标题】：Python Pandas: DataFrame filter negative valuesPython Pandas：DataFrame 过滤负值
【发布时间】：2014-08-04 13:56:47
【问题描述】：

我想知道如何删除列中包含负值的所有索引。我正在使用熊猫DataFrames。

Documentation Pandas DataFrame

格式：

Myid - valuecol1 - valuecol2 - valuecol3 -... valuecol30

所以我的DataFrame 被称为data

我知道如何为 1 列执行此操作：

data2 = data.index[data['valuecol1'] > 0]
data3 = data.ix[data3]

所以我只得到valuecol1 > 0 的ID，我该如何做某种and 声明？

valuecol1 && valuecol2 && valuecol3 && ... && valuecol30 > 0 ?

【问题讨论】：

如果我想得到负分学生的名单怎么办。

标签： python python-2.7 pandas

【解决方案1】：

您可以使用all 来检查整行或整列是否为真：

In [11]: df = pd.DataFrame(np.random.randn(10, 3))

In [12]: df
Out[12]:
          0         1         2
0 -1.003735  0.792479  0.787538
1 -2.056750 -1.508980  0.676378
2  1.355528  0.307063  0.369505
3  1.201093  0.994041 -1.169323
4 -0.305359  0.044360 -0.085346
5 -0.684149 -0.482129 -0.598155
6  1.795011  1.231198 -0.465683
7 -0.632216 -0.075575  0.812735
8 -0.479523 -1.900072 -0.966430
9 -1.441645 -1.189408  1.338681

In [13]: (df > 0).all(1)
Out[13]:
0    False
1    False
2     True
3    False
4    False
5    False
6    False
7    False
8    False
9    False
dtype: bool

In [14]: df[(df > 0).all(1)]
Out[14]:
          0         1         2
2  1.355528  0.307063  0.369505

如果您只想查看列的子集，例如[0, 1]：

In [15]: df[(df[[0, 1]] > 0).all(1)]
Out[15]:
          0         1         2
2  1.355528  0.307063  0.369505
3  1.201093  0.994041 -1.169323
6  1.795011  1.231198 -0.465683

【讨论】：

【解决方案2】：

你可以遍历列名

for cols in data.columns.tolist()[1:]:
    data = data.ix[data[cols] > 0]

【讨论】：

【解决方案3】：

要在数据框中使用和语句，您只需使用单个 & 字符并用括号分隔每个条件。

例如：

data = data[(data['col1']>0) & (data['valuecol2']>0) & (data['valuecol3']>0)]

【讨论】：

【解决方案4】：

如果要检查相邻列组的值，例如从第二到第十：

df[(df.ix[:,2:10] > 0).all(1)]

你也可以使用范围

df[(df.ix[:,range(1,10,3)] > 0).all(1)]

还有一个自己的索引列表

mylist=[1,2,4,8]
df[(df.ix[:, mylist] > 0).all(1)]

【讨论】：