摆脱特定列的问题[关闭]答案

【问题标题】：Problem with getting rid of specific columns [closed]摆脱特定列的问题[关闭]
【发布时间】：2020-04-08 17:26:13
【问题描述】：

我有一个包含下一列的大数据集：

cols=['plant', 'time','date','hour','NDVI','Treatment','Line','397.01', '398.32', '399.63', '400.93', '402.24', '403.55'...,'1005']

我想创建一个包含前 7 列的新数据库，然后跳过 10 列，然后拥有所有其他列。

我做过这样的事情：

df2=df_plants.iloc[:,10:]
df2.head()

但这会削减第一列，我也需要它们。

我的朋友建议我做这样的事情：

#convert the ''numeric'' columns into float

float_cols = [float(i) for i in df_plants.columns.tolist()[4:] if type(i)==str]
df_plants.columns.values[4:] = float_cols


#detector edges removal
idx1 = (np.abs(df_plants.loc[:,float_cols].columns.values - 420))
#np.argmin(idx1)
idx2 = np.argmin(np.abs(df_plants.loc[:,float_cols].columns.values - 1005.0))

但是当我应用它时，什么也没有发生，而且我不确定我是否理解他在检测器边缘部分的想法。

我的最终目标是创建包含以下列的新数据库： plant.line.treatment.time ，然后是所有大于 410 的数字列。

编辑：对我来说最好的事情是如果我能以某种方式告诉 python，如果在数字列中有负值，请将其删除。

【问题讨论】：

所以想法是测试值 >410，对吧？

标签： python pandas numpy dataframe machine-learning

【解决方案1】：

尝试使用切片：

cols = df_plants.columns.tolist()
df2=df_plants[cols[:7] + cols[17:]]
df2.columns = pd.to_numeric(df2.columns.tolist(), errors='ignore')

【讨论】：

+ with Index 对象不会连接数组，因此这是不正确的。
@cs95 更好？？？
它是但我宁愿你...
它起作用了，但你能解释一下为什么它需要转换成列表吗？（我是一个非常初学者）
cols = [*df_plants] # python >= 3.5

【解决方案2】：

我认为这里的 betetr 是将值转换为数字并按掩码过滤：

cols=['plant', 'time','date','hour','NDVI','Treatment','Line',
      '397.01', '398.32', '399.63', '400.93', '402.24', '403.55','1005']

df = pd.DataFrame(columns=cols)

num = pd.to_numeric(df.columns, errors='coerce')

df = df.loc[:, (num > 410) | num.isna()]
print (df)
Empty DataFrame
Columns: [plant, time, date, hour, NDVI, Treatment, Line, 1005]
Index: []

如果还想将值转换为数字：

def f(x):
    try:
        return float(x)
    except:
        return x

df = df.rename(columns=f)

def comp(x):
    try:
        return x > 410
    except:
        return True


df = df.loc[:, df.columns.map(comp)]
print (df)
Empty DataFrame
Columns: [plant, time, date, hour, NDVI, Treatment, Line, 1005.0]
Index: []

【讨论】：