pandas中删除所有值为"0"的行

可以使用pandas中的drop函数，指定要删除的行为所有值为的行。具体代码如下：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'A': [1, 2, , 4], 'B': [, , 3, 5], 'C': [, , , ]})

# 删除所有值为的行
df = df.drop(df[df.eq()].index)

# 输出删除后的结果
print(df)

输出结果为：

   A  B
1  2  
3  4  5

其中，`df.eq()`会返回一个与`df`结构相同的DataFrame，其中值为True的位置表示原始DataFrame中对应位置的值是否为。`df[df.eq()].index`会返回所有值为True的行的索引，然后使用`df.drop`函数删除这些行。

相关问题

pandas删除所有值为nan的行

可以使用`dropna()`函数来删除所有包含NaN值的行。它将返回一个新的DataFrame，其中所有包含NaN值的行都已被删除。

例如，假设我们有以下DataFrame：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, np.nan, 4], 'B': [5, np.nan, 7, 8], 'C': [9, 10, 11, 12]})

现在我们可以使用`dropna()`函数来删除所有包含NaN值的行，如下所示：

df.dropna(inplace=True)

在这个例子中，`inplace=True`参数将在原始DataFrame上进行修改，而不是返回一个新的DataFrame。

如果你只想删除包含特定列（例如'A'和'B'）中NaN值的行，可以使用`subset`参数：

df.dropna(subset=['A', 'B'], inplace=True)

这将仅删除'A'和'B'列中包含NaN值的行。

pandas删除列值为0的行

可以使用pandas的drop方法删除列值为0的行。假设你的数据框名为df，要删除的列名为column_name，可以使用以下代码：

df = df.drop(df[df['column_name'] == 0].index)

这个代码会找到所有列名为column_name并且值为0的行，然后将它们从数据框中删除。