Python 基于行中值的频率过滤数据帧

我已经回顾了许多与我类似的问题，但我还没有找到一个明确的解决方案（如果这是一个重复的问题或这样的问题已经得到了回答，如果你能链接到一个答案，我会很高兴）

我有一个如下所示的数据帧：

col_0 | col_1 | col_2 | col_3 | col_4 | col_5
---------------------------------------------
  0.2     1       1       1       1       1
  0.3    0.4      1       1       1       1
  0.1     1      0.3      1       1       1    

我只是想过滤掉/排除

1

的频率超过阈值（通常是基于条件的频率/计数）的行，比如这里的

4

。因此，我希望输出中的数据帧如下所示：

col_0 | col_1 | col_2 | col_3 | col_4 | col_5
---------------------------------------------
  0.3    0.4      1       1       1       1
  0.1     1      0.3      1       1       1    

所以我的关键问题是：如何根据数据帧中特定值的频率/计数排除数据帧中的行。理想情况下，我希望在一行中指定一个列范围，例如列索引0到4的值的频率（不基于列名），我认为后者没有那么大的挑战性。

这有效吗

df.loc[(df==1).sum(axis=1).between(0,4),:]

您可以使用：

df[df.eq(1).sum(axis=1).le(4)]

   col_0  col_1  col_2  col_3  col_4  col_5
1    0.3    0.4    1.0      1      1      1
2    0.1    1.0    0.3      1      1      1

---

也许不是最快的方式，但可能很容易看到发生了什么：

import pandas as pd

d = {'col_0' : [ 0.2, 0.3, 0.1], 
'col_1' : [ 1, 0.4, 1], 
'col_2' : [ 1, 1, 0.3], 
'col_3' : [ 1, 1, 1], 
'col_4' : [ 1, 1, 1], 
'col_5' : [ 1, 1, 1]}

df = pd.DataFrame(d)
def apply_freq_filter(df, value, frequency, col_start, col_end):
    f = df.iloc[:,col_start:col_end+1].apply(pd.value_counts, axis=1)
    f = f[value] <= frequency
    return df[f]

df = apply_freq_filter(df, 1, 4, 0, 5)
print(df)

将熊猫作为pd导入
d={'col_0'：[0.2,0.3,0.1]，
“col_1”：[1,0.4,1]，
“col_2”：[1,1,0.3]，
“col_3”：[1,1,1]，
“col_4”：[1,1,1]，
“col_5”：[1,1,1]}
df=pd.数据帧（d）
def应用频率过滤器（df、值、频率、列开始、列结束）：
f=df.iloc[：，列开始：列结束+1]。应用（pd.value\u计数，轴=1）
f=f[value]我认为这在语法上是不正确的：
类“bool”的未解析属性引用“sum”
为什么在
之间使用
而不是
le
？@Pedram语法正确，我已经测试过了。你没有给出答案，这个问题与你在报告中列出的问题无关problem@roganjosh例如，数据帧（{'a'：[1,0.2,1,1]，'b'：[1,0.2,0.3,0.4]，'c'：[1,1,0.5,0.6]}）不是一个很大的努力，在你的问题中包括，这种方法确实有效。如果你不给我们工具来构建一个有代表性的DF，如果答案不是即插即用的，不要感到惊讶。我认为这比现有的两个答案可读性差得多，但我认为主要是因为它比其他答案更具普遍性。如果将开始列、结束列、变量值和频率包含到其他解决方案中，可能会变得更难阅读。但我明白了！我有点犹豫不决，因为我看到了可扩展性的观点，但我认为这与快速数据处理的前提是正交的，
apply
只是扔进了垃圾箱。其他方法仍然可以打包成一个函数：）