如何优雅筛选DataFrame中指定列非零不同值超1个的行？

我的DataFrame包含5个存储编码值的列，这些列的编码值通常要么全部相同，要么包含0。我需要筛选出这些列中非零不同值数量超过1个的行，例如示例中id为1和4的行。

示例数据 #

import pandas as pd
df = pd.DataFrame({'id':[1,2,3,4],'col_A':[1,1,1,0],'col_B':[2,1,0,2],'col_C':[3,1,0,3],'col_D':[4,1,1,4],'col_E':[5,1,1,5]})

对应的表格：

现有实现（写法繁琐） #

df['cats'] = df.loc[:,df.filter(like='col_').columns].apply(pd.unique, axis=1)
df[df['cats'].apply(lambda x:(len(x)-1) if 0 in x else len(x))>1]

优化方案 #

方法一：替换0为NaN后统计不同值数量 #

利用nunique的向量化操作，直接按行统计排除0后的不同值数量，无需创建临时列：

col_cols = df.filter(like='col_').columns
result = df[df[col_cols].replace(0, pd.NA).nunique(axis=1) > 1]

方法二：用mask过滤0后统计 #

通过mask将0值标记为缺失值，再统计不同值数量：

col_cols = df.filter(like='col_').columns
result = df[df[col_cols].mask(df[col_cols]==0).nunique(axis=1) > 1]

这两种方法都避免了循环式的apply(pd.unique)，效率更高，代码也更简洁直观。

内容的提问来源于stack exchange，提问作者Ramsay