Sütun değerine göre Pandalar'daki DataFrame satırını silme

510

Aşağıdaki DataFrame var:

             daysago  line_race rating        rw    wrating
 line_date                                                 
 2007-03-31       62         11     56  1.000000  56.000000
 2007-03-10       83         11     67  1.000000  67.000000
 2007-02-10      111          9     66  1.000000  66.000000
 2007-01-13      139         10     83  0.880678  73.096278
 2006-12-23      160         10     88  0.793033  69.786942
 2006-11-09      204          9     52  0.636655  33.106077
 2006-10-22      222          8     66  0.581946  38.408408
 2006-09-29      245          9     70  0.518825  36.317752
 2006-09-16      258         11     68  0.486226  33.063381
 2006-08-30      275          8     72  0.446667  32.160051
 2006-02-11      475          5     65  0.164591  10.698423
 2006-01-13      504          0     70  0.142409   9.968634
 2006-01-02      515          0     64  0.134800   8.627219
 2005-12-06      542          0     70  0.117803   8.246238
 2005-11-29      549          0     70  0.113758   7.963072
 2005-11-22      556          0     -1  0.109852  -0.109852
 2005-11-01      577          0     -1  0.098919  -0.098919
 2005-10-20      589          0     -1  0.093168  -0.093168
 2005-09-27      612          0     -1  0.083063  -0.083063
 2005-09-07      632          0     -1  0.075171  -0.075171
 2005-06-12      719          0     69  0.048690   3.359623
 2005-05-29      733          0     -1  0.045404  -0.045404
 2005-05-02      760          0     -1  0.039679  -0.039679
 2005-04-02      790          0     -1  0.034160  -0.034160
 2005-03-13      810          0     -1  0.030915  -0.030915
 2004-11-09      934          0     -1  0.016647  -0.016647

line_raceEşit olduğu satırları kaldırmam gerekiyor 0. Bunu yapmanın en etkili yolu nedir?

python pandas

— TravisVOX
kaynak

6

Koşullu ifadeye dayalı bir panda DataFrame'den satır silme işleminin

— feetwet

878

Doğru anlıyorsam, bu kadar basit olmalı:

df = df[df.line_race != 0]

— tshauck
kaynak

16

Büyükse bu daha fazla belleğe mal olur dfmu? Veya bunu yerinde yapabilir miyim?

— ziyuang

10

Sadece df2M satırları ile koştu ve oldukça hızlı gitti.

— Dror

46

@vfxGer sütunda 'çizgi yarışı' gibi bir boşluk varsa, bunu yapabilirsinizdf = df[df['line race'] != 0]

— Paul

3

Söz konusu değer o satırdaki sütunlardan herhangi birinde bulunursa, tüm satırı silmek istersek bu komutu nasıl değiştiririz?

— Alex

3

Teşekkürler! Fwiw, benim için bu olmalıydıdf=df[~df['DATE'].isin(['2015-10-30.1', '2015-11-30.1', '2015-12-31.1'])]

— citynorman

181

Ancak gelecekteki herhangi bir baypas df = df[df.line_race != 0]için, Nonedeğerleri filtrelemek / eksik değerleri filtrelemeye çalışırken hiçbir şey yapmadığını söyleyebilirsiniz .

Çalışır:

df = df[df.line_race != 0]

Hiçbir şey yapmaz:

df = df[df.line_race != None]

Çalışır:

df = df[df.line_race.notnull()]

— wonderkid2
kaynak

4

sütun adını bilmiyorsak nasıl yapılır?

— Piyush S. Wanare

Yapabilir df = df[df.columns[2].notnull()], ancak bir şekilde sütunu bir şekilde dizine ekleyebilmeniz gerekir.

— erekalper

1

df = df[df.line_race != 0]satırları bırakır ancak dizini sıfırlamaz. Df'ye başka bir satır eklediğinizde, sonunda eklenmeyebilir. Bu işlemden sonra dizini sıfırlamanızı tavsiye ederim ( df = df.reset_index(drop=True))

— the_new_james

==Başlamak için asla operatör ile Hiçbiri karşılaştırmamalısınız . stackoverflow.com/questions/3257919/…

— Bram Vanroy

40

Bunu yapmanın en iyi yolu boole maskelemektir:

In [56]: df
Out[56]:
     line_date  daysago  line_race  rating    raw  wrating
0   2007-03-31       62         11      56  1.000   56.000
1   2007-03-10       83         11      67  1.000   67.000
2   2007-02-10      111          9      66  1.000   66.000
3   2007-01-13      139         10      83  0.881   73.096
4   2006-12-23      160         10      88  0.793   69.787
5   2006-11-09      204          9      52  0.637   33.106
6   2006-10-22      222          8      66  0.582   38.408
7   2006-09-29      245          9      70  0.519   36.318
8   2006-09-16      258         11      68  0.486   33.063
9   2006-08-30      275          8      72  0.447   32.160
10  2006-02-11      475          5      65  0.165   10.698
11  2006-01-13      504          0      70  0.142    9.969
12  2006-01-02      515          0      64  0.135    8.627
13  2005-12-06      542          0      70  0.118    8.246
14  2005-11-29      549          0      70  0.114    7.963
15  2005-11-22      556          0      -1  0.110   -0.110
16  2005-11-01      577          0      -1  0.099   -0.099
17  2005-10-20      589          0      -1  0.093   -0.093
18  2005-09-27      612          0      -1  0.083   -0.083
19  2005-09-07      632          0      -1  0.075   -0.075
20  2005-06-12      719          0      69  0.049    3.360
21  2005-05-29      733          0      -1  0.045   -0.045
22  2005-05-02      760          0      -1  0.040   -0.040
23  2005-04-02      790          0      -1  0.034   -0.034
24  2005-03-13      810          0      -1  0.031   -0.031
25  2004-11-09      934          0      -1  0.017   -0.017

In [57]: df[df.line_race != 0]
Out[57]:
     line_date  daysago  line_race  rating    raw  wrating
0   2007-03-31       62         11      56  1.000   56.000
1   2007-03-10       83         11      67  1.000   67.000
2   2007-02-10      111          9      66  1.000   66.000
3   2007-01-13      139         10      83  0.881   73.096
4   2006-12-23      160         10      88  0.793   69.787
5   2006-11-09      204          9      52  0.637   33.106
6   2006-10-22      222          8      66  0.582   38.408
7   2006-09-29      245          9      70  0.519   36.318
8   2006-09-16      258         11      68  0.486   33.063
9   2006-08-30      275          8      72  0.447   32.160
10  2006-02-11      475          5      65  0.165   10.698

GÜNCELLEME: Şimdi pandalar 0.13 çıktı, bunu yapmanın başka bir yolu df.query('line_race != 0').

— Phillip Bulut
kaynak

df.query çok kullanışlı görünüyor! Teşekkürler! pandas.pydata.org/pandas-docs/version/0.13.1/generated/…

— fantastik

14

İçin iyi güncelleme query. Daha zengin seçim kriterlerine izin verir (örn. df.query('variable in var_list')'Var_list' istenen değerlerin bir listesi gibi set benzeri işlemler )

— philE

1

sütun adı adında boşluk varsa bu nasıl elde edilir?

— iNoob

2

querysütun adında boşluk varsa çok kullanışlı değildir.

— Phillip Cloud

3

Böyle bir şeyle başlıklarda boşluklar kullanmaktan kaçınırımdf = df.rename(columns=lambda x: x.strip().replace(' ','_'))

— Scientist1642

39

başka bir çözüm eklemek için, özellikle yeni panda değerlendiricilerini kullanıyorsanız, diğer çözümler orijinal pandaların yerini alacak ve değerlendiricileri kaybedecektir.

df.drop(df.loc[df['line_race']==0].index, inplace=True)

— desmond
kaynak

1

dizin ve yerinde yazmanın amacı nedir? Herkes açıklayabilir mi lütfen?

— heman123

2

Dokümanları okuyun!

— Federico Corazza

Sanırım .reset_index()birisi dizin erişimcilerini kullanıyorsa

— Ayush

16

Sütunun birden çok değerini temel alan satırları silmek istiyorsanız, şunları kullanabilirsiniz:

df[(df.line_race != 0) & (df.line_race != 10)]

İçin 0 ve 10 değerlerine sahip tüm satırları bırakmak line_race.

— Robvh
kaynak

Yani düşürmek istediğiniz birden fazla değeriniz varsa bunu yapmanın daha etkili bir yolu var mı, drop = [0, 10]ve sonra gibi bir şeydf[(df.line_race != drop)]

— mikey

14

Bununla birlikte, verilen sorunun doğru olduğunu söyleyebiliriz, çünkü yukarıdaki df.query('line_race != 0')sorun sizin probleminize bağlı olarak çok daha hızlıdır. Şiddetle tavsiye ederim.

— h3h325
kaynak

Özellikle DataFramebenim gibi uzun değişken isimleriniz varsa (ve tahmin etmek için girişimde bulunacağım, herkes için dfkullanılan örneklerle karşılaştırıldığında), çünkü sadece bir kez yazmanız gerekiyor.

— ijoseph

9

Previou cevap neredeyse ne yapacağım benzer olsa da, ancak dizin yöntemini kullanarak başka bir dizinleme yöntemi .loc () kullanarak gerektirmez. Benzer ama kesin bir şekilde yapılabilir

df.drop(df.index[df['line_race'] == 0], inplace = True)

— Loochie
kaynak

1

Büyük veri kümeleri veya kısıtlı bellek için yerinde çözüm daha iyi. +1

— davmor

3

Bunu yapmanın başka bir yolu. Kod diğer yanıtlarda belirtilen koddan biraz daha karmaşık göründüğü için en etkili yol olmayabilir, ancak yine de aynı şeyi yapmanın alternatif yolu.

  df = df.drop(df[df['line_race']==0].index)

— Amruth Lakkavaram
kaynak

0

Tüm sütunlara genişletilmiş DataFrame için başka bir yol eklemeniz yeterlidir:

for column in df.columns:
   df = df[df[column]!=0]

Misal:

def z_score(data,count):
   threshold=3
   for column in data.columns:
       mean = np.mean(data[column])
       std = np.std(data[column])
       for i in data[column]:
           zscore = (i-mean)/std
           if(np.abs(zscore)>threshold):
               count=count+1
               data = data[data[column]!=i]
   return data,count

— Prateek Kumar Singh
kaynak