网站备案备案吗seo 的作用和意义

在 Pandas 中，如果需要删除全部为 0 的行或列，可以通过 .all() 方法来判断行或列是否所有元素都为 0，然后删除这些行或列。

---

代码示例

示例数据：

import pandas as pd# 示例数据
data = {'A': [0, 2, 0, 4],'B': [0, 0, 0, 0],'C': [0, 10, 11, 12]
}
df = pd.DataFrame(data)print("原始数据：")
print(df)

输出：

   A  B   C
0  0  0   0
1  2  0  10
2  0  0  11
3  4  0  12

---

1. 删除全部为 0 的行

使用 .all(axis=1) 判断行是否所有值都为 0，然后通过布尔索引删除这些行。

# 删除全为 0 的行
df_cleaned = df.loc[~(df == 0).all(axis=1)]print("\n删除全为 0 的行：")
print(df_cleaned)

输出：

删除全为 0 的行：A  B   C
1  2  0  10
2  0  0  11
3  4  0  12

---

2. 删除全部为 0 的列

使用 .all(axis=0) 判断列是否所有值都为 0，然后通过布尔索引删除这些列。

# 删除全为 0 的列
df_cleaned = df.loc[:, ~(df == 0).all(axis=0)]print("\n删除全为 0 的列：")
print(df_cleaned)

输出：

删除全为 0 的列：A   C
0  0   0
1  2  10
2  0  11
3  4  12

---

3. 同时删除全部为 0 的行和列

可以结合以上两个方法，先删除全部为 0 的行，再删除全部为 0 的列。

# 删除全为 0 的行
df = df.loc[~(df == 0).all(axis=1)]# 删除全为 0 的列
df_cleaned = df.loc[:, ~(df == 0).all(axis=0)]print("\n删除全为 0 的行和列：")
print(df_cleaned)

输出：

删除全为 0 的行和列：A   C
1  2  10
2  0  11
3  4  12

---

参数解释

• (df == 0).all(axis=1):
  • axis=1 表示按行判断，检查每一行是否全为 0。
  • 返回一个布尔数组，用于判断哪些行满足条件。
• (df == 0).all(axis=0):
  • axis=0 表示按列判断，检查每一列是否全为 0。
  • 返回一个布尔数组，用于判断哪些列满足条件。

---

扩展：原地删除（inplace=True）

如果希望直接修改原 DataFrame 而不返回新的对象，可以结合 inplace=True 选项。

示例：

# 删除全为 0 的行
df.drop(index=df[(df == 0).all(axis=1)].index, inplace=True)# 删除全为 0 的列
df.drop(columns=df.columns[(df == 0).all(axis=0)], inplace=True)print("\n原地删除全为 0 的行和列：")
print(df)

---

总结

操作	示例代码
删除全为 0 的行	df.loc[~(df == 0).all(axis=1)]
删除全为 0 的列	df.loc[:, ~(df == 0).all(axis=0)]
同时删除全为 0 的行和列	结合上述两条代码

打印删除了哪些行和列

要打印出被删除的行和列，可以在删除操作之前获取需要删除的行或列的索引，并在删除后将这些行或列打印出来。

---

方法：打印删除的行和列

以下是删除全为 0 的行或列并打印它们的完整代码示例。

示例代码

import pandas as pd# 示例数据
data = {'A': [0, 2, 0, 4],'B': [0, 0, 0, 0],'C': [0, 10, 11, 12]
}
df = pd.DataFrame(data)print("原始数据：")
print(df)# 找到需要删除的行和列
rows_to_delete = df.index[(df == 0).all(axis=1)].tolist()  # 行索引
cols_to_delete = df.columns[(df == 0).all(axis=0)].tolist()  # 列名称# 删除这些行和列
df_cleaned = df.drop(index=rows_to_delete, columns=cols_to_delete)# 打印删除的行和列
print("\n删除的行索引：", rows_to_delete)
print("删除的列名称：", cols_to_delete)# 打印删除后的 DataFrame
print("\n删除后的数据：")
print(df_cleaned)

---

代码解释

1. 找到需要删除的行和列：

   • rows_to_delete = df.index[(df == 0).all(axis=1)]：
     • df == 0：生成一个布尔矩阵，表示每个值是否为 0。
     • .all(axis=1)：检查每一行是否全为 0。
     • df.index[...]：返回需要删除的行的索引。
   • cols_to_delete = df.columns[(df == 0).all(axis=0)]：
     • .all(axis=0)：检查每一列是否全为 0。
     • df.columns[...]：返回需要删除的列的名称。

2. 删除这些行和列：

   • 使用 drop() 方法同时删除行和列。

3. 打印删除的行和列：

   • rows_to_delete 和 cols_to_delete 保存了被删除的行和列的索引和名称，可以直接打印。

4. 打印删除后的 DataFrame：

   • 检查最终清理后的数据。

---

输出示例

原始数据：

   A  B   C
0  0  0   0
1  2  0  10
2  0  0  11
3  4  0  12

输出：

删除的行索引： [0]
删除的列名称： ['B']删除后的数据：A   C
1  2.0  10
2  0.0  11
3  4.0  12

---

扩展：原地删除并打印

如果需要直接在原始 DataFrame 中删除，同时打印出被删除的行和列：

# 找到需要删除的行和列
rows_to_delete = df.index[(df == 0).all(axis=1)].tolist()
cols_to_delete = df.columns[(df == 0).all(axis=0)].tolist()# 打印即将删除的行和列
print("\n即将删除的行索引：", rows_to_delete)
print("即将删除的列名称：", cols_to_delete)# 原地删除
df.drop(index=rows_to_delete, columns=cols_to_delete, inplace=True)# 打印最终结果
print("\n删除后的数据：")
print(df)

---

总结

操作	示例代码
找到需要删除的行索引	rows_to_delete = df.index[(df == 0).all(axis=1)].tolist()
找到需要删除的列名称	cols_to_delete = df.columns[(df == 0).all(axis=0)].tolist()
打印删除的行和列	print("删除的行索引：", rows_to_delete) 和 print("删除的列名称：", cols_to_delete)
删除行和列	df.drop(index=rows_to_delete, columns=cols_to_delete)