熊猫：按多个列中的值进行筛选

Question

我想基于单个条件筛选基于多列中的值的数据框，但保留其他不适用于其他列的筛选条件所有。

我查看了这些问题的答案，与第三是最接近的，但仍没有运气：

• how do you filter pandas dataframes by multiple columns
• Filtering multiple columns Pandas
• Python Pandas - How to filter multiple columns by one value

设置：

import pandas as pd 

df = pd.DataFrame({ 
     'month':[1,1,1,2,2], 
     'a':['A','A','A','A','NONE'], 
     'b':['B','B','B','B','B'], 
     'c':['C','C','C','NONE','NONE'] 
    }, columns = ['month','a','b','c']) 

l = ['month','a','c'] 
df = df.loc[df['month'] == df['month'].max(), df.columns.isin(l)].reset_index(drop = True) 

电流输出：

month  a  c 
0  2  A NONE 
1  2 NONE NONE 

所需的输出：

month  a 
0  2  A 
1  2 NONE 

我已经试过：

sub = l[1:] 
df = df[(df.loc[:, sub] != 'NONE').any(axis = 1)] 

和许多其他变化（.all()，[sub, :] ，~df.loc[...],(axis = 0)），但都没有运气。

基本上我想删除所有'NONE'值的列（位于sub列表中）。

任何帮助，非常感谢。

Answer 1

首先，您希望您的'NONE'与np.nan替代，使其识别为dropna空值。然后将loc用于布尔序列和列子集。然后使用dropna与axis=1和how='all'

df.replace('NONE', np.nan) \ 
    .loc[df.month == df.month.max(), l].dropna(axis=1, how='all') 

    month  a 
3  2  A 
4  2 NONE