Python 如何删除Pandas中不到1%的行数中包含非零的列？

我有以下数据集：

    Col1    Col2    Col3    Col4    Col5    Col6    Col7    Col8    Col9    Col10   ... 

Col991  Col992  Col993  Col994  Col995  Col996  Col997  Col998  Col999  Col1000
rows                                                                                    
Row1    0   0   0   0   0   0   0   0   0   0   ... 0   0   0   0   0   0   0   0   0   0
Row2    0   0   0   0   0   23  0   0   0   0   ... 0   0   0   0   7   0   0   0   0   0
Row3    97  0   0   0   0   0   0   0   0   0   ... 0   0   0   0   0   0   0   0   0   0
Row4    0   0   0   0   0   0   0   0   0   0   ... 0   0   0   0   0   0   0   0   0   0
Row5    0   0   0   0   0   0   0   0   0   0   ... 0   0   0   0   0   0   0   0   0   0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
Row496  182 0   0   0   0   0   0   0   0   0   ... 0   0   0   0   0   0   116 0   0   0
Row497  0   0   0   0   0   0   0   0   0   0   ... 0   0   0   0   0   0   0   0   0   0
Row498  0   0   0   0   0   0   0   0   0   0   ... 0   0   0   0   0   0   0   0   0   0
Row499  0   0   0   0   0   0   0   0   0   0   ... 0   0   0   0   0   0   0   0   0   0
Row500  0   0   0   0   0   0   0   0   0   0   ... 0   0   0   0   0   0   125 0   0   0

我试图删除非零条目总数小于行数1%的列

我可以按列计算非零项的百分比

(df[df > 0.0].count()/df.shape[0])*100

---

对于那些列的数量仅在超过1%的行中具有非零的列，我应该如何使用此函数获取

df

？此外，如何更改代码以删除非零小于列的1%的行？

使用

mean

计算零的百分比：

df[df.eq(0).mean() >= 0.01]

---

您可以使用loc获取新df的指定列或行，如答案所示，基本上您可以这样做：

df.loc[rows, cols]  # accepts boolean lists/arrays

因此，可以通过以下方法实现带移除柱的df：

col_condition = df[df > 0].count() / df.shape[0] >= .01
df_ = df[:, col_condition]

如果需要在列和行之间切换，只需使用

df.T

因此，对于非零数量小于列长度1%的行，情况也是如此：

row_condition = df.T[df.T > 0].count() / df.shape[1] >= .01
df_ = df[row_condition]

以更简洁的形式：

df_ = df.loc[:, df.gt(0).mean() >= .01]  # keep columns
df_ = df[df.T.gt(0).mean() >= .01]  # keep rows