使用dropna（）選擇多列

Question

我有以下數據框中選擇一個子集：

df = pd.DataFrame([[1,2,3,3],[10,20,2,],[10,2,5,],[1,3],[2]],columns = ['a','b','c','d']) 

從這個數據幀，我要刪除的行，其中在子集[「B」，「C的所有值'，'d']是NA，這意味着最後一行應該被刪除。

下面的代碼工作：

df.dropna(subset=['b', 'c', 'd'], how = 'all') 

然而，考慮到我將與較大的數據幀中的工作，我想選擇使用的範圍內「B」：「d」]相同的子集。我如何選擇這個子集？

Answer 1

IIUC，使用loc，檢索這些列，並將其傳遞給dropna。

c = df.loc[0, 'b':'d'].columns # retrieve only the 0th row for efficiency 
df = df.dropna(subset=c, how='all') 

print(df) 
    a  b c d 
0 1 2.0 3.0 3.0 
1 10 20.0 2.0 NaN 
2 10 2.0 5.0 NaN 
3 1 3.0 NaN NaN 

Answer 2

類似@ayhan's idea - 使用df.columns.slice_indexer：

In [25]: cols = df.columns[df.columns.slice_indexer('b','d')] 

In [26]: cols 
Out[26]: Index(['b', 'c', 'd'], dtype='object') 

In [27]: df.dropna(subset=cols, how='all') 
Out[27]: 
    a  b c d 
0 1 2.0 3.0 3.0 
1 10 20.0 2.0 NaN 
2 10 2.0 5.0 NaN 
3 1 3.0 NaN NaN