Python 基于列值在dataframe中删除行

我有这样一个数据帧：

cols = [ 'a','b']
df = pd.DataFrame(data=[[NaN, -1, NaN, 34],[-32, 1, -4, NaN],[4,5,41,14],[3, NaN, 1, NaN]], columns=['a', 'b', 'c', 'd'])

当列“a”和“b”为非负时，我希望检索所有行，但如果其中任何一行或所有行都丢失，我希望保留它们

结果应该是

   a   b   c   d
2  4   5  41  14
3  3 NaN   1 NaN

我已经试过了，但是没有达到预期的效果

df[(df[cols]>0).all(axis=1) | df[cols].isnull().any(axis=1)]

---

IIUC，你真的想要

>>> df[((df[cols] > 0) | df[cols].isnull()).all(axis=1)]
   a   b   c   d
2  4   5  41  14
3  3 NaN   1 NaN

现在你会得到“如果它们都是正的”或“任何都是空的”。您需要“如果它们都是（正或空）”。（将

>0

替换为

=0

以获得非负性。）

由于NaN不是正数，我们可以通过翻转条件来简化，并使用

>>> df[~(df[cols] <= 0).any(axis=1)]
   a   b   c   d
2  4   5  41  14
3  3 NaN   1 NaN

---

>>df[~（df[cols]IIUC，你真的想要

>>> df[((df[cols] > 0) | df[cols].isnull()).all(axis=1)]
   a   b   c   d
2  4   5  41  14
3  3 NaN   1 NaN

现在您得到的是“如果它们都是正的”或“任何都是空的”。您想要的是“如果它们都是（正的或空的）”（将
>0
替换为
=0
表示非负性。）

由于NaN不是正数，我们可以通过翻转条件来简化，并使用

>>> df[~(df[cols] <= 0).any(axis=1)]
   a   b   c   d
2  4   5  41  14
3  3 NaN   1 NaN

>>df[~（df[cols]ha！我要用翻转版本准确回答！哈！我要用翻转版本准确回答！