在Pandas数据框中根据多个条件删除行

Question

我的df有3列

df = pd.DataFrame({"col_1": (0.0, 0.0, 1.0, 1.0, 0.0, 1.0, 1.0), 
                   "col_2": (0.0, 0.24, 1.0, 0.0, 0.22, 3.11, 0.0),
                    "col_3": ("Mon", "Tue", "Thu", "Fri", "Mon", "Tue", "Thu")}) 

我想删除 df.col_1 等于 1.0 和 df.col_2 等于 0.0 的行。 所以，我会得到：

df = pd.DataFrame({"col_1": (0.0, 0.0, 1.0, 0.0, 1.0), 
                   "col_2": (0.0, 0.24, 1.0, 0.22, 3.11),
                    "col_3": ("Mon", "Tue", "Thu", "Mon", "Tue")})

我尝试过：

df_new = df.drop[df[(df['col_1'] == 1.0) & (df['col_2'] == 0.0)].index]

它给我报错：

'method' object is not subscriptable

有什么想法可以解决上述问题吗？

- Dsh M

Answer 1

drop 是一个方法，你使用 [] 调用它，这就是为什么它会给你这样的结果：

'method' object is not subscriptable

改为()（普通方法调用），然后它应该可以工作：

import pandas as pd

df = pd.DataFrame({"col_1": (0.0, 0.0, 1.0, 1.0, 0.0, 1.0, 1.0),
                   "col_2": (0.0, 0.24, 1.0, 0.0, 0.22, 3.11, 0.0),
                   "col_3": ("Mon", "Tue", "Thu", "Fri", "Mon", "Tue", "Thu")})

df_new = df.drop(df[(df['col_1'] == 1.0) & (df['col_2'] == 0.0)].index)
print(df_new)

输出

   col_1  col_2 col_3
0    0.0   0.00   Mon
1    0.0   0.24   Tue
2    1.0   1.00   Thu
4    0.0   0.22   Mon
5    1.0   3.11   Tue

- Dani Mesejo

---

仅为补充此答案：& 是逻辑 AND 运算符，| 是逻辑 OR 运算符，而 ~ 则是逻辑 NOT 运算符。 - Daniel Lavedonio de Lima

为什么需要在末尾使用.index方法？我发现如果没有它，代码就无法正常运行。 - Yogesh Riyat

为什么需要在末尾使用.index方法？我发现如果没有它，它就无法正常工作。 - undefined

Answer 2

尝试使用loc过滤您的df。它非常强大！"~" 表示您想保留与条件相反的内容。":" 表示您想保留所有列。

df = df.loc[~((df['col_1'] == 1.0) & (df['col_2'] == 0.0)),:]

- Charles R

Answer 3

您可以使用或（|）运算符来实现这一点， 请参考此链接 pandas: multiple conditions while indexing data frame - unexpected behavior， 即删除同时满足两个条件的行。

 df = df.loc[~((df['col_1']==1) | (df['col_2']==0))]

- Saurabh

---

"|" 运算符用于“或”条件，而 "&" 运算符用于“与”条件。我认为这里需要的是 & 运算符。 - Web Ster

Answer 4

mask = df['Product_Code'].isin(['filter1', 'filter2', 'filter3'])
df = df[~mask]
df.head()

.isin() 可以根据一个序列中的多个值来过滤整个数据框，相比我所知道的其他解决方案，它需要编写的代码最少。

在按列进行筛选时，添加 ~ 将翻转 isin() 的逻辑。

- Alex Slessor

Answer 5

将要删除的行的位置放在“location”处。

df = df.drop(['location' axix=1, inplace=True]

- aliasgar paloda

Answer 6

你也可以在这里使用 查询 ：

In [4]: df.query('~(col_1 == 1 & col_2 == 0)')
Out[4]: 
   col_1  col_2 col_3
0    0.0   0.00   Mon
1    0.0   0.24   Tue
2    1.0   1.00   Thu
4    0.0   0.22   Mon
5    1.0   3.11   Tue

使用~可以对查询进行否定，返回那些不满足条件col_1 == 1 & col_2 == 0的观测数据。

- rachwa