在python中根据列的值删除列？

如何根据列值删除数据框的列？我想删除所有包含null/''或零的列。假设熊猫数据帧

df

为

df['c1']=[1,2,3,3,4]
df['c2']=["a1","a2","a2","a2","a1"]
df['c3']=[1,2,3,3,5]
df['c4']=['','',0,0,0]
df['c5']=[np.nan,np.nan,0,0,0]
print df

输出为

    c1  c2  c3 c4   c5
 0   1  a1   1     NaN
 1   2  a2   2     NaN
 2   3  a2   3  0  0.0
 3   3  a2   3  0  0.0
 4   4  a1   5  0  0.0

---

我希望代码找出列

c4

和

c5

，并将其删除。

这就完成了示例数据帧的技巧

badvalues = [0, np.nan]
goodcolumns = [n for n in df.columns 
               if not df[n].isin(badvalues).any()]
df = df[goodcolumns]

如果nan值不起作用，则可以使用

isnull

：

goodcolumns = [n for n in df.columns
               if not ((df[n] == 0) | df[n].isnull()).any()]

---

这就完成了示例数据帧的技巧

badvalues = [0, np.nan]
goodcolumns = [n for n in df.columns 
               if not df[n].isin(badvalues).any()]
df = df[goodcolumns]

如果nan值不起作用，则可以使用

isnull

：

goodcolumns = [n for n in df.columns
               if not ((df[n] == 0) | df[n].isnull()).any()]

您可以使用：

您可以使用：

---

通常在发布之前至少需要一些努力。所以这不是一个编码服务。通常在发布之前至少需要一些努力。因此，它不是一个编码服务。IMO

isin

不能很好地处理

np.nan

值：In[8]：s=pd.Series（[1，np.nan，2]）In[9]：s[~s.isin（[np.nan]）]Out[9]：0 1.0 1 nan 2.0数据类型：float64@lazy1：它适用于示例数据帧。我在回答中添加了一个使用

isnull

的方法，但是.IMO

isin

不能很好地处理

np.nan

值：In[8]：s=pd.Series（[1，np.nan，2]），In[9]：s[~s.isin（[np.nan]）]Out[9]：0 1.0 1 nan 2.0数据类型：float64@lazy1：它适用于示例数据帧。不过，我在回答中添加了一个使用

isnull

的方法。