Python 如何在dataframe中查找非零元素的行和列

我有一个熊猫数据框，看起来像这样：

Type    All    Fail     Pass
 A       0       0        0
 B       1       0        0
 C       0       0        0

---

现在，我想得到非零元素的列名以及

Type

列中相应的值。因此，在本例中，我想返回

B

和

All

。我知道如何使用此

compare\u severity返回真/假矩阵。选择\u数据类型（include=['number']）！=0

。但是我不知道如何获得

True

元素的列名和行索引。有人知道怎么做吗？

解决这个问题的一种方法是找到数据帧等于1的行，以及数据帧等于1的列。您必须将类型设置为索引，以确保相等性检查仅关注数字列

df = df.set_index("Type")

df.loc[df.eq(1).any(axis=1),df.eq(1).any()]


       All
Type    
 B      1

---

解决此问题的一种方法是查找dataframe等于1的行以及dataframe等于1的列。您必须将类型设置为索引，以确保相等性检查仅关注数字列

df = df.set_index("Type")

df.loc[df.eq(1).any(axis=1),df.eq(1).any()]


       All
Type    
 B      1

看看这是否有帮助

df = df.set_index("Type")
result = df.where(df.select_dtypes(include="number") > 0) \
    .fillna("") \
    .to_dict(orient='index')

print({k:i for k, v in result.items() for i, j in v.items() if j})

产出

{'B': 'All'}

看看这是否有帮助

df = df.set_index("Type")
result = df.where(df.select_dtypes(include="number") > 0) \
    .fillna("") \
    .to_dict(orient='index')

print({k:i for k, v in result.items() for i, j in v.items() if j})

产出

{'B': 'All'}

---

我们可以在这里使用

idxmax

和

dropna

：

num = df.select_dtypes('number')
num.where(num.ne(0)).idxmax().dropna()

All    1.0
dtype: float64

或者我们可以使用

np。其中

也给出了索引：

df.columns[np.where(num)[0]].tolist()

['All']

---

我们可以在这里使用

idxmax

和

dropna

：

num = df.select_dtypes('number')
num.where(num.ne(0)).idxmax().dropna()

All    1.0
dtype: float64

或者我们可以使用

np。其中

也给出了索引：

df.columns[np.where(num)[0]].tolist()

['All']

尝试一下dropna（）trygive

dropna（）