Pandas：获取所有具有常量值的列

Question

我想获取在每列的所有行中具有相同值的列的名称。

我的数据：

   A   B  C  D
0  1  hi  2  a
1  3  hi  2  b
2  4  hi  2  c

期望的输出：

['B', 'C']

代码：

import pandas as pd

d = {'A': [1,3,4], 'B': ['hi','hi','hi'], 'C': [2,2,2], 'D': ['a','b','c']}
df = pd.DataFrame(data=d)

我一直在玩df.columns和.any()，但不知道如何做到这一点。

Answer 1

使用不太知名的 pandas 内置命令nunique()：

df.columns[df.nunique() <= 1]
Index(['B', 'C'], dtype='object')

笔记：

• dropna=False如果您希望将 na 计为单独的值，请使用选项
• 这是最干净的代码，但不是最快的。（但总的来说，代码应该优先考虑清晰度和可读性）。

Answer 2

解决方案1：

c = [c for c in df.columns if len(set(df[c])) == 1]
print (c)

['B', 'C']

解决方案2：

c = df.columns[df.eq(df.iloc[0]).all()].tolist()
print (c)
['B', 'C']

解决方案 2 的说明：

首先将所有行与第一行进行比较DataFrame.eq...

print (df.eq(df.iloc[0]))
       A     B     C      D
0   True  True  True   True
1  False  True  True  False
2  False  True  True  False

...然后检查每一列都是Trues 与DataFrame.all...

print (df.eq(df.iloc[0]).all())
A    False
B     True
C     True
D    False
dtype: bool

... 最后过滤结果为 True 的列名称：

print (df.columns[df.eq(df.iloc[0]).all()])
Index(['B', 'C'], dtype='object')

时间：

np.random.seed(100)
df = pd.DataFrame(np.random.randint(10, size=(1000,100)))

df[np.random.randint(100, size=20)] = 100
print (df)

# Solution 1 (second-fastest):
In [243]: %timeit ([c for c in df.columns if len(set(df[c])) == 1])
3.59 ms ± 43.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

# Solution 2 (fastest):
In [244]: %timeit df.columns[df.eq(df.iloc[0]).all()].tolist()
1.62 ms ± 13.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

#Mohamed Thasin ah solution
In [245]: %timeit ([col for col in df.columns if len(df[col].unique())==1])
6.8 ms ± 352 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

#jpp solution
In [246]: %%timeit
     ...: vals = df.apply(set, axis=0)
     ...: res = vals[vals.map(len) == 1].index
     ...: 
5.59 ms ± 64.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

#smci solution 1
In [275]: %timeit df.columns[ df.nunique()==1 ]
11 ms ± 105 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

#smci solution 2
In [276]: %timeit [col for col in df.columns if not df[col].is_unique]
9.25 ms ± 80 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

#smci solution 3
In [277]: %timeit df.columns[ df.apply(lambda col: not col.is_unique) ]
11.1 ms ± 511 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)