我应该如何在两个条件下选择我在 Pandas DataFrame 中删除的行？答案

【问题标题】：How should I selec which rows I erase in Pandas DataFrame with a two conditions?我应该如何在两个条件下选择我在 Pandas DataFrame 中删除的行？
【发布时间】：2021-08-29 05:52:12
【问题描述】：

我需要为这样的 DataFrame 删除一些行：

import pandas as pd
import numpy as np

input_ = pd.DataFrame()
input_ ['ID'] = [1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4]
input_ ['ST'] = [1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3]
input_ ['V'] = [NaN, NaN, 1, 1, NaN, 1, Nan, 1, NaN, NaN, NaN, NaN]\

并以这样的 DataFrame 结束：

output_ ['ID'] = [ 2, 3, 4, 2, 3, 4, 2, 3, 4]
output_ ['ST'] = [ 1, 1, 1, 2, 2, 2, 3, 3, 3]
output_ ['V'] = [NaN, 1, 1, 1, Nan, 1, NaN, NaN, NaN]

在哪里，我删除了 ID == 1 的行，因为这些行有列 V == float(NaN) [np.isnan(V)] em> 表示 ST 列中的 ALL 值。在这两个条件下，我应该如何选择在 Pandas DataFrame 中删除哪些行？

【问题讨论】：

这能回答你的问题吗？ Drop rows on multiple conditions in pandas dataframe
按照上面链接上的方法，您可以尝试以下方法：input_.drop(input_[(input_['ID']==1) & (input_['V'].isna())].index)
@RishabhKumar 你似乎误解了这个问题。 OP 想要删除 ID=1，因为所有带有 ID 的 V 都是 nan。
@QuangHoang 好的，它给出了相同的输出，所以没有仔细阅读问题
我有点困惑，因为他说“有这两个条件”，而不同的数据集可能不会在 1 或 2 个条件下得到相同的结果。

标签： python pandas dataframe conditional-statements

【解决方案1】：

使用groupby().transform('any')检查该组是否包含一些notna：

valids = input_.V.notna().groupby(input_.ID).transform('any')

output = input_[valids]

输出：

    ID  ST    V
1    2   1  NaN
2    3   1  1.0
3    4   1  1.0
5    2   2  1.0
6    3   2  NaN
7    4   2  1.0
9    2   3  NaN
10   3   3  NaN
11   4   3  NaN

【讨论】：

【解决方案2】：

试试这个：

input_ = input_[(input_['ID']!=1) & input_['V'].notnull()]

我不确定我是否完全理解您的问题以及您是否想按 1 过滤，或者您是否只是为了摆脱 NaN 值。如果您不想按 ID==1 实际过滤，只需执行以下操作：

input_ = input_[input_['V'].notnull()]

两者的输出：

   ID  ST    V
2   3   1  1.0
3   4   1  1.0
5   2   2  1.0
7   4   2  1.0

【讨论】：

【解决方案3】：

input_ = pd.DataFrame()

input_ ['ID'] = [1,     2, 3, 4,   1, 2,   3, 4,   1,   2,   3,   4]

input_ ['ST'] = [1,     1, 1, 1,   2, 2,   2, 2,   3,   3,   3,   3]

input_ ['V']  = ['NaN', 'NaN', 1, 1, 'NaN', 1,'Nan', 1, 'NaN', 'NaN', 'NaN', 'NaN']

input_1 = pd.DataFrame(input_)

print(input_1)

input_1.drop(0, inplace = True)
input_1.drop(4, inplace = True)
input_1.drop(8, inplace = True)

print(input_1)

【讨论】：