我正在寻找一种更Pythonic（并且更快！）的方法来清除任何行中具有三个字符串之一的任何行。我的代码可以工作，但是太慢了！任何建议，将不胜感激！# Check out each rowfor i,row in df2.iterrows(): for index in range(df2.shape[1]): # Check out values in each column # if it's 98 or 99, drop it if df2.iloc[i,index] == '98.00': df2.drop(i) print('dropped row ', i, ' due to high value') elif df2.iloc[i,index] == '99.00': df2.drop(i) print('dropped row ', i, ' due to high value') # or if the value is the default text null value, drop it elif df2.iloc[i,index] == '#NULL!': df2.drop(i) print('dropped row ', i, 'due to null value')
4 回答
呼啦一阵风
TA贡献1802条经验 获得超6个赞
我有点困惑，但您可以使用带有 |（或）的过滤器来存储要删除的行，然后在 df 上使用 drop 。
例如：
drop_row = df.loc[(df['some_column] > 某事) | (df['some_column] > 某事)
df.drop(index = drop_row.index, inplace = True)
潇湘沐
TA贡献1816条经验 获得超6个赞
isin结合any应该工作：
df = df[~df.isin(["98.0", "99.0", "#NULL!"]).any(axis="columns")]
冉冉说
TA贡献1877条经验 获得超1个赞
如果您想使用 drop() 和 isin() 函数（之前建议），我建议：
df.drop(index=df[df.isin(["98.00", "99.00", "#NULL!"]).any(1)].index, inplace=True)
这是一种更简短的表达方式：
df.drop(index=df[((df == "98.00") | (df == "99.00") | (df == '#NULL!')).any(1)].index, inplace=True)
下面描述一下代码的工作原理：
首先选择验证任何请求条件的索引。
然后，在 drop 函数中使用选择的索引来删除数据框中的相关行。
要永久执行 df 中的放置，需要“inplace=True”。如果您只想将放置结果显示为临时（例如通过 print() 函数），则可以替换为“inplace=False”。
添加回答
举报
0/150
提交
取消