パンダデータフレームのすべてゼロの行をドロップ

pandas dropna()一部またはすべての列がに設定されている行を削除する機能を使用できますNA。すべての列の値が0の行を削除するための同等の関数はありますか？

P   kt  b   tt  mky depth
1   0   0   0   0   0
2   0   0   0   0   0
3   0   0   0   0   0
4   0   0   0   0   0
5   1.1 3   4.5 2.3 9.0

この例では、データフレームから最初の4行を削除します。

ありがとう！

これは、ベクトル化された方法でうまく表現できることがわかります。

> df = pd.DataFrame({'a':[0,0,1,1], 'b':[0,1,0,1]})
> df = df[(df.T != 0).any()]
> df
   a  b
1  0  1
2  1  0
3  1  1

一発ギャグ。転置は不要です：

df.loc[~(df==0).all(axis=1)]

そして、対称性が好きな人にとっては、これも機能します...

df.loc[(df!=0).any(axis=1)]

私はこの質問を1か月に1回程度調べ、常にコメントから最良の答えを見つけ出す必要があります。

df.loc[(df!=0).any(1)]

ダン・アラン、ありがとう！

ゼロをに置き換え、nanすべてのエントリを含む行をとしてドロップしますnan。その後、nanゼロで置き換えます。

import numpy as np
df = df.replace(0, np.nan)
df = df.dropna(how='all', axis=0)
df = df.replace(np.nan, 0)

私はこの解決策が最短だと思います：

df= df[df['ColName'] != 0]

特に大規模なデータセットの場合、これを調べているときに役立ついくつかの解決策：

df[(df.sum(axis=1) != 0)]       # 30% faster 
df[df.values.sum(axis=1) != 0]  # 3X faster 

@ U2EF1の例を続けます。

In [88]: df = pd.DataFrame({'a':[0,0,1,1], 'b':[0,1,0,1]})

In [91]: %timeit df[(df.T != 0).any()]
1000 loops, best of 3: 686 µs per loop

In [92]: df[(df.sum(axis=1) != 0)]
Out[92]: 
   a  b
1  0  1
2  1  0
3  1  1

In [95]: %timeit df[(df.sum(axis=1) != 0)]
1000 loops, best of 3: 495 µs per loop

In [96]: %timeit df[df.values.sum(axis=1) != 0]
1000 loops, best of 3: 217 µs per loop

より大きなデータセット：

In [119]: bdf = pd.DataFrame(np.random.randint(0,2,size=(10000,4)))

In [120]: %timeit bdf[(bdf.T != 0).any()]
1000 loops, best of 3: 1.63 ms per loop

In [121]: %timeit bdf[(bdf.sum(axis=1) != 0)]
1000 loops, best of 3: 1.09 ms per loop

In [122]: %timeit bdf[bdf.values.sum(axis=1) != 0]
1000 loops, best of 3: 517 µs per loop

import pandas as pd

df = pd.DataFrame({'a' : [0,0,1], 'b' : [0,0,-1]})

temp = df.abs().sum(axis=1) == 0      
df = df.drop(temp)

結果：

>>> df
   a  b
2  1 -1

クイックlambda関数を使用して、特定の行のすべての値がであるかどうかを確認できます0。次に、それを適用した結果を使用して、lambdaその条件に一致する行または一致しない行のみを選択できます。

import pandas as pd
import numpy as np

np.random.seed(0)

df = pd.DataFrame(np.random.randn(5,3), 
                  index=['one', 'two', 'three', 'four', 'five'],
                  columns=list('abc'))

df.loc[['one', 'three']] = 0

print df
print df.loc[~df.apply(lambda row: (row==0).all(), axis=1)]

収量：

              a         b         c
one    0.000000  0.000000  0.000000
two    2.240893  1.867558 -0.977278
three  0.000000  0.000000  0.000000
four   0.410599  0.144044  1.454274
five   0.761038  0.121675  0.443863

[5 rows x 3 columns]
             a         b         c
two   2.240893  1.867558 -0.977278
four  0.410599  0.144044  1.454274
five  0.761038  0.121675  0.443863

[3 rows x 3 columns]

別の選択肢：

# Is there anything in this row non-zero?
# df != 0 --> which entries are non-zero? T/F
# (df != 0).any(axis=1) --> are there 'any' entries non-zero row-wise? T/F of rows that return true to this statement.
# df.loc[all_zero_mask,:] --> mask your rows to only show the rows which contained a non-zero entry.
# df.shape to confirm a subset.

all_zero_mask=(df != 0).any(axis=1) # Is there anything in this row non-zero?
df.loc[all_zero_mask,:].shape

私にとってこのコード：機能df.loc[(df!=0).any(axis=0)] しませんでした。正確なデータセットを返しました。

代わりdf.loc[:, (df!=0).any(axis=0)]に、データセット内の値が0のすべての列を使用して削除しました

この関数.all()は、データセット内のゼロ値であるすべての列を削除しました。

df = df [~( df [ ['kt'  'b'   'tt'  'mky' 'depth', ] ] == 0).all(axis=1) ]

このコマンドを試してみてください。

任意の行の値が0のすべての列を削除するには：

new_df = df[df.loc[:]!=0].dropna()