Python 如何选择列数可变的匹配行？

所以我有一个数据框，其中列的数量是可变的。我只想保留那些列的子集匹配的行

例如：

Name, Surname, Class1, Class2, Class3
John  Smith       1       1      -1   
Ned   Walker     -1      -1      -1
Walter White      1       1       1

在此数据帧中，我只想保留Class1、Class2和Class3匹配的行，因此输出为：

Name, Surname, Class1, Class2, Class3
Ned   Walker     -1      -1      -1
Walter White      1       1       1

但是，有时“类”列的数量从1到4不等，因此我可以得到如下数据帧：

Name, Surname, Class1, Class2
John  Smith       1       1
Ned   Walker     -1      -1
Walter White      1       1

我只希望1级和2级匹配。或者这个：

Name, Surname, Class1, Class2, Class3, Class4
John  Smith       1       1      -1      1
Ned   Walker     -1      -1      -1      1
Walter White      1       1       1      1

---

其中，从1到4的所有类都需要具有相同的值。什么是有效的方法？

使用

过滤器
和
nunique

In [808]: df[df.filter(like='Class').nunique(1).eq(1)]
Out[808]:
     Name Surname  Class1  Class2  Class3  Class4
2  Walter   White       1       1       1       1


细节

In [809]: df
Out[809]:
     Name Surname  Class1  Class2  Class3  Class4
0    John   Smith       1       1      -1       1
1     Ned  Walker      -1      -1      -1       1
2  Walter   White       1       1       1       1

In [810]: df.filter(like='Class')
Out[810]:
   Class1  Class2  Class3  Class4
0       1       1      -1       1
1      -1      -1      -1       1
2       1       1       1       1

In [811]: df.filter(like='Class').nunique(1)
Out[811]:
0    2
1    2
2    1
dtype: int64

In [812]: df.filter(like='Class').nunique(1).eq(1)
Out[812]:
0    False
1    False
2     True
dtype: bool

使用
filter
和
nunique

In [808]: df[df.filter(like='Class').nunique(1).eq(1)]
Out[808]:
     Name Surname  Class1  Class2  Class3  Class4
2  Walter   White       1       1       1       1


细节

In [809]: df
Out[809]:
     Name Surname  Class1  Class2  Class3  Class4
0    John   Smith       1       1      -1       1
1     Ned  Walker      -1      -1      -1       1
2  Walter   White       1       1       1       1

In [810]: df.filter(like='Class')
Out[810]:
   Class1  Class2  Class3  Class4
0       1       1      -1       1
1      -1      -1      -1       1
2       1       1       1       1

In [811]: df.filter(like='Class').nunique(1)
Out[811]:
0    2
1    2
2    1
dtype: int64

In [812]: df.filter(like='Class').nunique(1).eq(1)
Out[812]:
0    False
1    False
2     True
dtype: bool

Zero用
.nunique（轴=1）.eq（1）
回答问题显然是最简单的方法，但作为将来的参考，这也适用于：

import pandas as pd
import numpy as np

np.random.seed(seed=42)
df = pd.DataFrame(np.random.randint(0,2,size=(10,3)))
print(df)
print('\n')
print(df.loc[np.all([df[col] == df.iloc[:,0] for col in df],axis=0)])

如果您发现自己需要检查例如特定值（只需将
df.iloc[：，0]
替换为您想要的任何值）或其他逻辑条件，这可能会很有用。
Zero用
.nunique（axis=1）给出的答案。等式（1）
显然是最简单的方法，但对于将来的参考，这同样有效：

import pandas as pd
import numpy as np

np.random.seed(seed=42)
df = pd.DataFrame(np.random.randint(0,2,size=(10,3)))
print(df)
print('\n')
print(df.loc[np.all([df[col] == df.iloc[:,0] for col in df],axis=0)])

如果您发现自己需要检查特定值（只需将
df.iloc[：，0]
替换为您想要的任何值）或其他逻辑条件，这可能会很有用。
查看此查看此查看此查看谢谢！这两个答案都非常有用，而且这两种方法都有效，但是您的代码似乎比Zero的运行速度快得多，这在我的例子中非常重要：）这是否独立于@Zero的代码中所必需的预过滤（将所有不称为
类*
）呢？其实我有点惊讶，谢谢！这两个答案都非常有用，而且这两种方法都有效，但是您的代码似乎比Zero的运行速度快得多，这在我的例子中非常重要：）这是否独立于@Zero的代码中所必需的预过滤（将所有不称为
类*
）呢？我其实有点惊讶。