Python 根据所有列中的值有条件地删除列

我有一个表示%丰度的计数矩阵，样本作为列，观察值作为行，例如：

#OTUId  101.BGd_295  103.BGd_309  105.BGd_310  11.BGd_99   123.BGd_312  
OTU_200 0.016806723  0.23862789   0.148210883  0.6783      0.126310471  
OTU_54  0.253542133  0.169383866  0            0.113679432 0.173943294
OTU_2   0.033613445  16.58463833  19.66970146  16.06669119 20.92537833  

我试图使用pandas过滤数据帧，只保留那些至少有一个值高于0.5%的行。我最初发现了这个

df = df[(df > 0.5).sum(axis=1) >= 1]

我原以为这会起作用，但现在据我所知，这将保留行中的和大于0.5的那些。我如何修改此项以适应

---

谢谢

我认为更简单的解决方案是使用布尔数据帧的条件，然后检查每行至少一个

True

，最后一个过滤条件：

---

您的代码：

df = df[(df > 0.5).sum(axis=1) >= 1]

---

---

我认为更简单的解决方案是使用布尔数据帧的条件，然后检查每行是否至少有一个

True

，最后一个过滤条件：

---

您的代码：

df = df[(df > 0.5).sum(axis=1) >= 1]

---

---

但是在这种情况下，第二行“OTU_54”应该删除，因为没有超过0.5的值？嗯，期望的输出是什么？您在2d数据帧中工作-因此可以删除行、列或按条件将值替换为

NaN

或另一个标量。啊，我现在看到了，我认为，在我的例子中，返回True的“#OTUid”是索引，因此应该删除行。我看到它，然后使用

df=df。设置#index（'#OTUid'）

作为第一步。或者

df=df[（df.drop（'#OTUid'，axis=1）>0.5.any（axis=1）

但是在这种情况下，第二行“OTU_54”应该被删除，因为没有超过0.5的值？嗯，期望的输出是什么？您在二维数据帧中工作-因此可以删除行、列或者用条件将值替换为NaN或另一个标量。啊，我现在看到了，在我的例子中，返回True的'#OTUid'，是索引，所以应该删除行。我看到它，然后使用

df=df.set_index（'#OTUid'）

作为第一步。或者

df=df[（df.drop（'#OTUid'，axis=1）>0.5）。任何（axis=1）

df = df[(df > 0.5).sum(axis=1) >= 1]

#boolean mask
print (df > 0.5)
   #OTUId  101.BGd_295  103.BGd_309  105.BGd_310  11.BGd_99  123.BGd_312
0    True        False        False        False       True        False
1    True        False        False        False      False        False
2    True        False         True         True       True         True

#count True values per row
print ((df > 0.5).sum(axis=1))
0    2
1    1
2    5
dtype: int64

#check values by condition
print ((df > 0.5).sum(axis=1) >= 1)
0    True
1    True
2    True
dtype: bool