Python Pandas基于列的最大值删除列

Question

我刚开始使用Pandas作为处理二维数据数组的工具。即使阅读了文档，它仍然让我感到非常不知所措。你可以做很多事情，但我却弄不清楚该如何做任何事情，如果这有任何意义的话。

我的数据框架（简化）：

Date       Stock1  Stock2   Stock3
2014.10.10  74.75  NaN     NaN
2014.9.9    NaN    100.95  NaN 
2010.8.8    NaN    NaN     120.45

因此，每个列只有一个值。

我想要删除所有具有最大值小于x的列。例如，如果x = 80，则我想要一个新的DataFrame：

Date        Stock2   Stock3
2014.10.10   NaN     NaN
2014.9.9     100.95  NaN 
2010.8.8     NaN     120.45

如何实现这一点？我查看了dataframe.max()，那给了我一个系列。我可以使用它吗，或者可以在select()中使用lambda函数吗？

- professorDante

---

我已经查看了df.max()以获取列的最大值。目前还不确定我可以用这个对象做什么。我现在完全是Panda的新手... - professorDante

Answer 1

使用df.max()进行索引。

In [19]: from pandas import DataFrame

In [23]: df = DataFrame(np.random.randn(3,3), columns=['a','b','c'])

In [36]: df
Out[36]: 
          a         b         c
0 -0.928912  0.220573  1.948065
1 -0.310504  0.847638 -0.541496
2 -0.743000 -1.099226 -1.183567


In [24]: df.max()
Out[24]: 
a   -0.310504
b    0.847638
c    1.948065
dtype: float64

接下来，我们将它转化为一个布尔表达式：

In [31]: df.max() > 0
Out[31]: 
a    False
b     True
c     True
dtype: bool

接下来，您可以按此索引df.columns（这称为布尔索引）：

In [34]: df.columns[df.max() > 0]
Out[34]: Index([u'b', u'c'], dtype='object')

你最终可以将其传递给 DF：

In [35]: df[df.columns[df.max() > 0]]
Out[35]: 
          b         c
0  0.220573  1.948065
1  0.847638 -0.541496
2 -1.099226 -1.183567

当然，你可以使用任何值作为截断的阈值，而不只是0。

- Adam Hughes

---

df.loc[:,df.max() > 0] 是一个更好的选择来进行选择操作，因为它提供了一个可以用来修改原始 DataFrame 的控制器。 - DSM

是的，那是一个聪明的解决方案。你应该将它作为一个单独的回答发布。 - Adam Hughes