获取包含负值的列的列名列表答案

【问题标题】：Get list of column names for columns that contain negative values获取包含负值的列的列名列表
【发布时间】：2016-01-22 00:57:57
【问题描述】：

这是一个简单的问题，但我发现“切片”DataFrames 在 Pandas 中令人沮丧，来自 R。

我在下面有一个DataFrame df 7 列：

df
Out[77]: 
     fld1  fld2  fld3  fld4  fld5  fld6  fld7
0     8     8    -1     2     1     7     4
1     6     6     1     7     5    -1     3
2     2     5     4     2     2     8     1
3    -1    -1     7     2     3     2     0
4     6     6     4     2     0     5     2
5    -1     5     7     1     5     8     2
6     7     1    -1     0     1     8     1
7     6     2     4     1     2     6     1
8     3     4     4     5     8    -1     4
9     4     4     3     7     7     4     5

如何对df 进行切片，使其生成包含至少一个负数的列列表？

【问题讨论】：

标签： python python-2.7 pandas

【解决方案1】：

您可以通过构建适当的系列来选择它们，然后使用它来索引df：

>>> df < 0
    fld1   fld2   fld3   fld4   fld5   fld6   fld7
0  False  False   True  False  False  False  False
1  False  False  False  False  False   True  False
2  False  False  False  False  False  False  False
3   True   True  False  False  False  False  False
4  False  False  False  False  False  False  False
5   True  False  False  False  False  False  False
6  False  False   True  False  False  False  False
7  False  False  False  False  False  False  False
8  False  False  False  False  False   True  False
9  False  False  False  False  False  False  False
>>> (df < 0).any()
fld1     True
fld2     True
fld3     True
fld4    False
fld5    False
fld6     True
fld7    False
dtype: bool

然后

>>> df.columns[(df < 0).any()]
Index(['fld1', 'fld2', 'fld3', 'fld6'], dtype='object')

或

>>> df.columns[(df < 0).any()].tolist()
['fld1', 'fld2', 'fld3', 'fld6']

取决于你想要什么数据结构。我们也可以直接使用这个io索引到df：

>>> df.loc[:,(df < 0).any()]
   fld1  fld2  fld3  fld6
0     8     8    -1     7
1     6     6     1    -1
2     2     5     4     8
3    -1    -1     7     2
4     6     6     4     5
5    -1     5     7     8
6     7     1    -1     8
7     6     2     4     6
8     3     4     4    -1
9     4     4     3     4

【讨论】：