我有以下python中的panda多索引数据帧
0 1 2 3
bar one 0.000000 -0.929631 0.688818 -1.264180
two 1.130977 0.063277 0.161366 0.598538
baz one 1.420532 0.052530 -0.701400 0.678847
two -1.197097 0.314381 0.269551 1.115699
foo one -0.077463 0.437145 -0.202377 0.260864
two -0.815926 -0.508988 -1.238619 0.899013
qux one -0.347863 -0.999990 -1.428958 -1.488556
two 1.218567 -0.593987 0.099003 0.800736
我的问题，我如何过滤掉：
在上面的示例中，包含零值的列--列0。
重新分级到行过滤。如何用零（bar，one）单独筛选行，如何同时筛选（bar，one）和（bar，two）？
（为我的非英语母语道歉；）
最佳答案
若要筛选出包含零值的列，可以使用
df2 = df.loc[:, (df != 0).all(axis=0)]
若要筛选出包含零值的行，可以使用
df2 = df.loc[(df != 0).all(axis=1), :]
要筛选出行，可以使用
df2 = df.drop('bar') ## drops both 'bar one' and 'bar two'
df2 = df.drop(('baz', 'two')) ## drops only 'baz two'
例如，
import numpy as np
arrays = [np.array(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux']), np.array(['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'])]
df = pd.DataFrame(np.random.randn(8, 4), index=arrays)
df.ix['bar','one'][2] = 0
df = df.loc[:, (df != 0).all(axis=0)]
df = df.drop('bar')
df = df.drop(('baz', 'two'))
# 0 1 3
# baz one 0.686969 0.410614 0.841630
# foo one 1.522938 0.555734 -1.585507
# two -0.975976 0.522571 -0.041386
# qux one -0.991787 0.154645 0.179536
# two -0.725685 0.809784 0.394708
如果数据帧中没有NaN值，另一种方法是将0转换为NaN，并删除具有NaN的列或行：
df[df != 0.].dropna(axis=1) # to remove the columns with 0
df[df != 0.].dropna(axis=0) # to remove the rows with 0
最后，如果要删除整个“bar”行（如果有一个零值），可以执行以下操作：
indices = df.loc[(df == 0).any(axis=1), :].index.tolist() ## multi-index values that contain 0
for ind in indices:
df = df.drop(ind[0])
关于python - 在MultiIndex数据框中过滤出零值的行/列，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/35996768/