Python Pandas：选择唯一值数量大于10的列答案

【问题标题】：Python Pandas: select column with the number of unique values greater than 10Python Pandas：选择唯一值数量大于10的列
【发布时间】：2017-02-18 13:37:35
【问题描述】：

在R中，我们可以使用sapply来提取唯一值数量大于10的列：

X[,  sapply(X,  function(x) length(unique(x)))  >=10]

我们如何在 Python Pandas 中做同样的事情？

另外，我们如何选择缺失比例小于 10% 的列，就像我们在 R 中可以做的那样：

X[,  sapply(X,  function(x) sum(is.na(x))/length(x)  )  < 0.1]

谢谢。

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以将nunique 与apply 一起使用，因为它仅适用于Series：

print (df.ix[:, df.apply(lambda x: x.nunique()) >= 10])

第二个isnull 和mean：

print (df.ix[:, df.isnull().mean() <  0.1])

示例：

df = pd.DataFrame({'A':[1,np.nan,3],
                   'B':[4,4,np.nan],
                   'C':[7,8,9],
                   'D':[3,3,5]})

print (df)
     A    B  C  D
0  1.0  4.0  7  3
1  NaN  4.0  8  3
2  3.0  NaN  9  5

print (df.ix[:, df.apply(lambda x: x.nunique()) >= 2])
     A  C  D
0  1.0  7  3
1  NaN  8  3
2  3.0  9  5

print (df.isnull().sum())
A    1
B    1
C    0
D    0
dtype: int64

print (df.isnull().sum() / len(df.index))

A    0.333333
B    0.333333
C    0.000000
D    0.000000
dtype: float64

print (df.isnull().mean())
A    0.333333
B    0.333333
C    0.000000
D    0.000000
dtype: float64


print (df.ix[:, df.isnull().sum() / len(df.index) <  0.1])
   C  D
0  7  3
1  8  3
2  9  5

或者：

print (df.ix[:, df.isnull().mean() <  0.1])
   C  D
0  7  3
1  8  3
2  9  5

【讨论】：