如何根据 numpy where 删除数据框中的行答案

【问题标题】：How do I delete rows in a dataframe based on numpy where如何根据 numpy where 删除数据框中的行
【发布时间】：2021-08-27 21:34:26
【问题描述】：

所以我有一个代码，我使用 numpy 将数据帧转换为数组，以计算数组中不同条目之间的汉明距离。

为了找到不需要的条目，我使用了一个 np.where 语句，它返回以下内容：

array([[1, 2, 3, 4]], dtype=int32)

有四个数字等于数据框中的行索引。我的问题是如何将这个数组转换为某些东西，以便我可以告诉数据框删除这些？

编辑：这就是代码现在与示例数据的样子：

from sklearn.preprocessing import OrdinalEncoder
import pandas as pd
import numpy as np

data = [[1,1,1,1,1,1,1,1,1,1,1,1,1], [1,1,1,1,1,1,1,1,1,1,1,1,2], [1,1,1,1,1,1,1,1,1,1,1,1,3]]
df = pd.DataFrame(data, columns=['csk_1', 'csk_2', 'csk_3', 'csk_4', 'csk_5', 'csk_6', 'csk_7', 'csk_8', 'csk_9', 'csk_10', 'csk_11', 'csk_12', 'csk_13'])

enc = OrdinalEncoder()
X = enc.fit_transform(df.to_numpy())
j = 0
totals = (len(X) - 1)
threshold = 1

while j < totals:
    idx = len(X) - j - 1
    row = X[idx]
    prev_rows = X[0:idx]
    dists = np.sum(row != prev_rows, axis=1)
    a = np.where(dists <= threshold)
    df = df.drop(a.flatten(), axis=0)
    X = enc.fit_transform(df.to_numpy())
    j = j + 1
print(df)

【问题讨论】：

到目前为止你尝试过什么？例如，来自the pandas drop() documentation: "labels (list-like): Index or column labels to drop" 如果您有要删除的索引，您是否尝试在 drop 方法中使用它们？
是的，我已经尝试过了，但没有成功。我对 Python 很陌生，所以我认为是我缺乏知识让我失败了。
查看此链接以了解如何创建minimal reproducible example，这将有助于我们了解如何在未来更好地帮助您。样本输入、预期输出和到目前为止您尝试过的代码（带有任何错误的完整追溯）让我们了解您卡在哪里
单参数np.where，或者更确切地说np.nonzero 可以为您提供可以在drop 函数中使用的索引。 pandas 中使用的通常的 3 参数 where 没有用；它根据条件生成值。

标签： python pandas numpy

【解决方案1】：

所以，你需要将数组转换为列表，然后使用df.drop

a = array([1,2,3,4])
a = a.tolist()
df = df.drop(df.index[[a]])

【讨论】：

感谢您的回答。我之前尝试过，但出现以下错误：AttributeError: 'tuple' object has no attribute 'tolist'
drop() 可以像使用列表一样轻松获取数组，只需将其展平为一维数组
显示数据样本或 where 函数以查看生成的类型，或者让我知道 Anderson 的想法是否成功
我还添加了带有数据示例的示例代码
所以这是有效的，但在两次迭代后将失败，因为索引将超出范围：a = np.array(a).tolist() print(a) df = df.drop(df.index[a])

【解决方案2】：

可能会让你感到困惑的是你有一个二维数组，而df.drop() 只接受一个一维数组或类似列表的对象。幸运的是，您可以使用索引或flatten() 对其进行排序。

如果您的数组被命名，例如，ind：

df1=df.drop(ind.flatten(), axis=0)

或

df1=df.drop(ind[0], axis=0)

两者都应该可以，但是如果不查看示例数据就很难知道

【讨论】：

谢谢！我试过你的代码，但它给了我错误。我还添加了带有数据示例的示例代码