如何通过 pandas 或 spark 数据框删除所有行中具有相同值的列？

Question

假设我有类似于以下的数据：

  index id   name  value  value2  value3  data1  val5
    0  345  name1    1      99      23     3      66
    1   12  name2    1      99      23     2      66
    5    2  name6    1      99      23     7      66

我们如何在使用 python?

考虑到我们有许多类似于 value、value2、value3...value200.

的列

输出：

   index    id  name   data1
       0   345  name1    3
       1    12  name2    2
       5     2  name6    7

Answer 1

我们可以做的是使用nunique计算dataframe每一列中唯一值的数量，并删除只有一个唯一值的列：

In [285]:
nunique = df.nunique()
cols_to_drop = nunique[nunique == 1].index
df.drop(cols_to_drop, axis=1)

Out[285]:
   index   id   name  data1
0      0  345  name1      3
1      1   12  name2      2
2      5    2  name6      7

另一种方法是仅 diff 数字列，采用 abs 值和 sums 它们：

In [298]:
cols = df.select_dtypes([np.number]).columns
diff = df[cols].diff().abs().sum()
df.drop(diff[diff== 0].index, axis=1)

Out[298]:
   index   id   name  data1
0      0  345  name1      3
1      1   12  name2      2
2      5    2  name6      7

另一种方法是使用属性对于具有相同值的列，标准差将为零：

In [300]:
cols = df.select_dtypes([np.number]).columns
std = df[cols].std()
cols_to_drop = std[std==0].index
df.drop(cols_to_drop, axis=1)

Out[300]:
   index   id   name  data1
0      0  345  name1      3
1      1   12  name2      2
2      5    2  name6      7

其实上面一行就可以搞定：

In [306]:
df.drop(df.std()[(df.std() == 0)].index, axis=1)

Out[306]:
   index   id   name  data1
0      0  345  name1      3
1      1   12  name2      2
2      5    2  name6      7

Answer 2

另一个解决方案是set_index from column which are not compared and then compare first row selected by iloc by eq with all DataFrame and last use boolean indexing:

df1 = df.set_index(['index','id','name',])
print (~df1.eq(df1.iloc[0]).all())
value     False
value2    False
value3    False
data1      True
val5      False
dtype: bool

print (df1.ix[:, (~df1.eq(df1.iloc[0]).all())].reset_index())
   index   id   name  data1
0      0  345  name1      3
1      1   12  name2      2
2      5    2  name6      7

Answer 3

一个简单的衬里(python):

df=df[[i for i in df if len(set(df[i]))>1]]

Answer 4

Python 解决方案

原始数据帧

index id   name  value  value2  value3  data1  val5
    0  345  name1    1      99      23     3      66
    1   12  name2    1      99      23     2      66
    5    2  name6    1      99      23     7      66

解决方案

for col in df.columns:  # Loop through columns
  if len(df[col].unique()) == 1:  # Find unique values in column along with their length and if len is == 1 then it contains same values
    df.drop([col], axis=1, inplace=True)  # Drop the column

执行上述代码后的数据帧

   index   id   name  data1
0      0  345  name1      3
1      1   12  name2      2
2      5    2  name6      7

Answer 5

您可以使用 nunique()，其中 returns 每列中唯一值的数量：

df[df.columns[df.nunique() > 1]]

如何通过 pandas 或 spark 数据框删除所有行中具有相同值的列？

How to drop columns which have same values in all rows via pandas or spark dataframe?

python

duplicates

multiple-columns

pandas

apache-spark-sql