根据列值删除 Pandas 中的 DataFrame 行

如果我理解正确，它应该很简单：

df = df[df.line_race != 0]

---

但对于任何未来的绕过者，您可以提及 df = df[df.line_race != 0] 在尝试过滤 None/缺失值时不会做任何事情。

是否有效：

df = df[df.line_race != 0]

什么都不做：

df = df[df.line_race != None]

是否有效：

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

---

只是为了添加另一个解决方案，如果您使用新的 pandas 评估器特别有用，其他解决方案将替换原来的 pandas 并失去评估器

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

---

如果要根据列的多个值删除行，可以使用：

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

删除 line_race 的值为 0 和 10 的所有行。

---

虽然前面的答案与我将要做的几乎相似，但使用索引方法不需要使用另一种索引方法 .loc()。它可以以类似但精确的方式完成

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

---

最好的方法是使用布尔掩码：

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

更新： 现在 pandas 0.13 已经发布，另一种方法是 df.query('line_race != 0')。

---

如果有多个值和 str dtype

我使用以下内容过滤掉col中的给定值：

def filter_rows_by_values(df, col, values):
    return df[~df[col].isin(values)]

例子：

在 DataFrame 中，我想删除列“str”中具有值“b”和“c”的行

df = pd.DataFrame({"str": ["a","a","a","a","b","b","c"], "other": [1,2,3,4,5,6,7]})
df
   str  other
0   a   1
1   a   2
2   a   3
3   a   4
4   b   5
5   b   6
6   c   7

filter_rows_by_values(df, "str", ["b","c"])

   str  other
0   a   1
1   a   2
2   a   3
3   a   4

---

尽管如此，给出的答案是正确的，因为上面有人说您可以使用 df.query('line_race != 0') ，这取决于您的问题要快得多。强烈推荐。

---

一种高效且流行的方法是使用 eq() 方法：

df[~df.line_race.eq(0)]

---

另一种方法。可能不是最有效的方法，因为代码看起来比其他答案中提到的代码更复杂，但仍然是做同样事情的替代方式。

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

---

添加另一种方法来做到这一点。

 df = df.query("line_race!=0")

---

我编译并运行我的代码。这是准确的代码。你可以自己试试。

data = pd.read_excel('file.xlsx')

如果列名中有任何特殊字符或空格，您可以将其写在 '' 中，就像在给定代码中一样：

data = data[data['expire/t'].notnull()]
print (date)

如果只有一个字符串列名，没有任何空格或特殊字符，您可以直接访问它。

data = data[data.expire ! = 0]
print (date)

---

只需为扩展所有列的 DataFrame 添加另一种方式：

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

例子：

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

---

以防万一您需要删除该行，但该值可以位于不同的列中。就我而言，我使用的是百分比，所以我想删除任何列中值为 1 的行，因为这意味着它是 100%

for x in df:
    df.drop(df.loc[df[x]==1].index, inplace=True)

如果您的 df 列太多，则不是最佳选择。

---

对于像这样的简单示例并没有太大区别，但是对于复杂的逻辑，我更喜欢在删除行时使用 drop() ，因为它比使用逆逻辑更简单。例如，删除 A=1 AND (B=2 OR C=3) 所在的行。

这是一种易于理解并且可以处理复杂逻辑的可扩展语法：

df.drop( df.query(" `line_race` == 0 ").index)

---