Solte as linhas com zeros no quadro de dados do pandas

Posso usar a pandas dropna()funcionalidade para remover linhas com algumas ou todas as colunas definidas como NA's. Existe uma função equivalente para descartar linhas com todas as colunas com valor 0?

P   kt  b   tt  mky depth
1   0   0   0   0   0
2   0   0   0   0   0
3   0   0   0   0   0
4   0   0   0   0   0
5   1.1 3   4.5 2.3 9.0

Neste exemplo, gostaríamos de eliminar as primeiras 4 linhas do quadro de dados.

obrigado!

Acontece que isso pode ser bem expresso de uma forma vetorizada:

> df = pd.DataFrame({'a':[0,0,1,1], 'b':[0,1,0,1]})
> df = df[(df.T != 0).any()]
> df
   a  b
1  0  1
2  1  0
3  1  1

One-liner. Sem necessidade de transposição:

df.loc[~(df==0).all(axis=1)]

E pra quem gosta de simetria, isso também funciona ...

df.loc[(df!=0).any(axis=1)]

Eu procuro esta questão uma vez por mês e sempre tenho que descobrir a melhor resposta dos comentários:

df.loc[(df!=0).any(1)]

Obrigado Dan Allan!

Substitua os zeros por nane, em seguida, elimine as linhas com todas as entradas como nan. Depois disso, substitua nanpor zeros.

import numpy as np
df = df.replace(0, np.nan)
df = df.dropna(how='all', axis=0)
df = df.replace(np.nan, 0)

Acho que essa solução é a mais curta:

df= df[df['ColName'] != 0]

Algumas soluções que descobri serem úteis ao pesquisar isso, especialmente para conjuntos de dados maiores:

df[(df.sum(axis=1) != 0)]       # 30% faster 
df[df.values.sum(axis=1) != 0]  # 3X faster 

Continuando com o exemplo de @ U2EF1:

In [88]: df = pd.DataFrame({'a':[0,0,1,1], 'b':[0,1,0,1]})

In [91]: %timeit df[(df.T != 0).any()]
1000 loops, best of 3: 686 µs per loop

In [92]: df[(df.sum(axis=1) != 0)]
Out[92]: 
   a  b
1  0  1
2  1  0
3  1  1

In [95]: %timeit df[(df.sum(axis=1) != 0)]
1000 loops, best of 3: 495 µs per loop

In [96]: %timeit df[df.values.sum(axis=1) != 0]
1000 loops, best of 3: 217 µs per loop

Em um conjunto de dados maior:

In [119]: bdf = pd.DataFrame(np.random.randint(0,2,size=(10000,4)))

In [120]: %timeit bdf[(bdf.T != 0).any()]
1000 loops, best of 3: 1.63 ms per loop

In [121]: %timeit bdf[(bdf.sum(axis=1) != 0)]
1000 loops, best of 3: 1.09 ms per loop

In [122]: %timeit bdf[bdf.values.sum(axis=1) != 0]
1000 loops, best of 3: 517 µs per loop

import pandas as pd

df = pd.DataFrame({'a' : [0,0,1], 'b' : [0,0,-1]})

temp = df.abs().sum(axis=1) == 0      
df = df.drop(temp)

Resultado:

>>> df
   a  b
2  1 -1

Você pode usar uma lambdafunção rápida para verificar se todos os valores em uma determinada linha são 0. Em seguida, você pode usar o resultado da aplicação disso lambdacomo uma forma de escolher apenas as linhas que correspondem ou não a essa condição:

import pandas as pd
import numpy as np

np.random.seed(0)

df = pd.DataFrame(np.random.randn(5,3), 
                  index=['one', 'two', 'three', 'four', 'five'],
                  columns=list('abc'))

df.loc[['one', 'three']] = 0

print df
print df.loc[~df.apply(lambda row: (row==0).all(), axis=1)]

Rendimentos:

              a         b         c
one    0.000000  0.000000  0.000000
two    2.240893  1.867558 -0.977278
three  0.000000  0.000000  0.000000
four   0.410599  0.144044  1.454274
five   0.761038  0.121675  0.443863

[5 rows x 3 columns]
             a         b         c
two   2.240893  1.867558 -0.977278
four  0.410599  0.144044  1.454274
five  0.761038  0.121675  0.443863

[3 rows x 3 columns]

Outra alternativa:

# Is there anything in this row non-zero?
# df != 0 --> which entries are non-zero? T/F
# (df != 0).any(axis=1) --> are there 'any' entries non-zero row-wise? T/F of rows that return true to this statement.
# df.loc[all_zero_mask,:] --> mask your rows to only show the rows which contained a non-zero entry.
# df.shape to confirm a subset.

all_zero_mask=(df != 0).any(axis=1) # Is there anything in this row non-zero?
df.loc[all_zero_mask,:].shape

Para mim, este código: df.loc[(df!=0).any(axis=0)] não funcionou. Ele retornou o conjunto de dados exato.

Em vez disso, usei df.loc[:, (df!=0).any(axis=0)] e eliminei todas as colunas com valor 0 no conjunto de dados

A função .all()eliminou todas as colunas nas quais há qualquer valor zero em meu conjunto de dados.

df = df [~( df [ ['kt'  'b'   'tt'  'mky' 'depth', ] ] == 0).all(axis=1) ]

Tente este comando está funcionando perfeitamente.

Para eliminar todas as colunas com valores 0 em qualquer linha:

new_df = df[df.loc[:]!=0].dropna()