查找具有非零行值的pandas列名

Question

我有一个名为df的pandas数据框。

df = pd.DataFrame(np.array([[0.6, 0.4, 0], [0.0, 1.0, 0], [0.4, 0.6, 0]]),columns = [-5, 0, 5])
print(df)

    -5    0    5
0  0.6  0.4  0.0
1  0.0  1.0  0.0
2  0.4  0.6  0.0

我希望找到具有非零行值的列的名称。每行中非零值的列名应存储在列表中。例如，以下是df中三行的预期结果。

预期结果：

[[-5,0],[0],[-5,0]]

- PRO88

---

根据你自己的研究，你已经尝试了哪些方法？结果如何？ - G. Anderson

Answer 1

使用：

cols = df.columns.values
mask = df.gt(0.0).values
out = [cols[x].tolist() for x in mask]

输出：

>>> out
[[-5, 0], [0], [-5, 0]]

- Amit Vikram Singh

Answer 2

这可能不是最高效的方法。它只是遍历整个数据框并记录列。

(m,n) = df.shape
res_list = []
for i in range(m):
    temp = []
    for col in df.columns:
        if df.loc[i, col] > 0:
            temp.append(col)
    res_list.append(temp)

- akalanka

Answer 3

你可以对每一行使用 .apply() 函数，使用 lambda 函数来选择具有相应非零元素的index（等于列索引）。然后，使用 .to_list() 将所有行的结果聚合为一个列表，如下所示：

df.apply(lambda x: x.index[x != 0.0].to_list(), axis=1).to_list()



# Result

[[-5, 0], [0], [-5, 0]]

或者，您还可以在每一行上使用.apply()，并结合一个lambda函数和一个列表推导式来遍历行元素。然后，使用.to_list()将所有行结果聚合到一个列表中，如下所示：

df.apply(lambda x: [y for y, z in x.items() if z != 0.0], axis=1).to_list()




# Result:

[[-5, 0], [0], [-5, 0]]

- SeaBean