Pandy Pythona: wartości ujemne filtru DataFrame

Question

Zastanawiam się, w jaki sposób mogę usunąć wszystkie indeksy zawierające wartości ujemne w ich kolumnach. Używam Pandas DataFrames.

Documentation Pandas DataFrame

Format:

myid - valuecol1 - valuecol2 - valuecol3 -... valuecol30

Więc moja DataFrame nazywa data

wiem jak to zrobić do 1 kolumna:

data2 = data.index[data['valuecol1'] > 0] 
data3 = data.ix[data3] 

Więc mogę tylko identyfikatory gdzie valuecol1 > 0, w jaki sposób mogę zrobić jakąś and stwierdzeniem?

valuecol1 && valuecol2 && valuecol3 && ... && valuecol30 > 0?

Answer 1

mogli Państwo pętli nad nazwami kolumn

for cols in data.columns.tolist()[1:]: 
    data = data.ix[data[cols] > 0] 

Answer 2

Można użyć all sprawdzić cały wiersz lub kolumnę, to prawda:

In [11]: df = pd.DataFrame(np.random.randn(10, 3)) 

In [12]: df 
Out[12]: 
      0   1   2 
0 -1.003735 0.792479 0.787538 
1 -2.056750 -1.508980 0.676378 
2 1.355528 0.307063 0.369505 
3 1.201093 0.994041 -1.169323 
4 -0.305359 0.044360 -0.085346 
5 -0.684149 -0.482129 -0.598155 
6 1.795011 1.231198 -0.465683 
7 -0.632216 -0.075575 0.812735 
8 -0.479523 -1.900072 -0.966430 
9 -1.441645 -1.189408 1.338681 

In [13]: (df > 0).all(1) 
Out[13]: 
0 False 
1 False 
2  True 
3 False 
4 False 
5 False 
6 False 
7 False 
8 False 
9 False 
dtype: bool 

In [14]: df[(df > 0).all(1)] 
Out[14]: 
      0   1   2 
2 1.355528 0.307063 0.369505 

Jeśli chcesz tylko spojrzeć na podzbiorem kolumny, np [0, 1]:

In [15]: df[(df[[0, 1]] > 0).all(1)] 
Out[15]: 
      0   1   2 
2 1.355528 0.307063 0.369505 
3 1.201093 0.994041 -1.169323 
6 1.795011 1.231198 -0.465683 

Answer 3

Jeśli chcesz sprawdzić wartości sąsiedniej grupy kolumn, na przykład od drugiego do dziesiątego:

df[(df.ix[:,2:10] > 0).all(1)] 

Można również wykorzystać szereg

df[(df.ix[:,range(1,10,3)] > 0).all(1)] 

i własną listę indeksów

mylist=[1,2,4,8] 
df[(df.ix[:, mylist] > 0).all(1)] 

Answer 4

Do użycia i instrukcji wewnątrz ramki danych wystarczy użyć pojedynczego znaku & i oddzielić każdy warunek za pomocą nawiasów.

Na przykład:

data = data[(data['col1']>0) & (data['valuecol2']>0) & (data['valuecol3']>0)]