基于值的多列选择

Posted 2023-02-23

【中文标题】基于值的多列选择

【英文标题】：Multiple column selection based on values

【发布时间】：2019-04-10 19:19:48

【问题描述】：

我有以下数据框：

df = pd.DataFrame( 'Group' : [1,1,1,2,2,2,2],
               'Type' : ["High","Medium","Low","High","Medium","Low","Low"],
               'set_0' :["a","a","a","a","a","a","a"],
               'set_1' :["b","b","b","c","c","c","d"],
               'set_2' :["e","e","e","NULL","NULL","f","f"],
               'set_3' :["g","g","NULL","NULL","NULL","NULL","NULL"],
               'set_4' :["NULL","NULL","NULL","NULL","NULL","NULL","NULL"],
               'set_5' :["NULL","NULL","NULL","NULL","NULL","NULL","NULL"],
               'set_6' :["h","h","NULL","NULL","NULL","NULL","NULL"]
                                 )

我想删除一些“set_”列。如果“set_”相关列具有所有“NULL”值，我不希望代码保留它们。我只想保留至少包含一个非“NULL”值的 set_ 列。

如何在不进行硬编码的情况下处理它？

【参考方案1】：

首先选择object dtype 系列并与您指定的字符串进行测试。然后使用带有布尔索引的pd.DataFrame.loc 或pd.DataFrame.drop：

idx = df.select_dtypes(['object']).eq('NULL').all()

df = df.loc[:, ~df.columns.isin(idx[idx].index)]

# alternative:
# df = df.drop(idx[idx].index, 1)

print(df)

   Group    Type set_0 set_1 set_2 set_3 set_6
0      1    High     a     b     e     g     h
1      1  Medium     a     b     e     g     h
2      1     Low     a     b     e  NULL  NULL
3      2    High     a     c  NULL  NULL  NULL
4      2  Medium     a     c  NULL  NULL  NULL
5      2     Low     a     c     f  NULL  NULL
6      2     Low     a     d     f  NULL  NULL