如何用Pandas的mask移除数据集指定列0值行及对应Energy元素？

你已经生成了判断0值的mask，接下来只需要用布尔索引过滤掉mask为True的行，就能得到对应列非0值的条目，以及匹配的Energy元素。可以用一个字典来存储每一列的结果，方便后续调用：

# 创建字典存储每一列的结果（非0列数据 + 对应Energy）
column_results = {}

for column in depo_dataset.columns[1:]:
    # 生成当前列非0的掩码（~表示取反，即保留非0的行）
    mask = depo_dataset[column] != 0
    # 过滤得到非0的列数据和对应的Energy
    filtered_col = depo_dataset[column][mask]
    filtered_energy = depo_dataset['Energy'][mask]
    # 存入字典，键为列名，值为(过滤后的列数据, 过滤后的Energy)
    column_results[column] = (filtered_col, filtered_energy)

用你给出的例子测试：

• 原depo_dataset['0.0']为[0.4, 0.0, 0.4, 0.1]，Energy为[0.82, 0.85, 0.87, 0.90]
• 过滤后filtered_col会是[0.4, 0.4, 0.1]，filtered_energy会是[0.82, 0.87, 0.90]，正好去掉了0值和对应的Energy元素。

如果需要把结果转为数组（比如numpy数组），可以在过滤后加.values或者.to_numpy()：

filtered_col_array = filtered_col.to_numpy()
filtered_energy_array = filtered_energy.to_numpy()

另外要注意：如果你的数据里是近似0的浮点数（比如0.0000001），直接用==0或!=0可能不准确，建议用绝对值判断：

import numpy as np
mask = np.abs(depo_dataset[column]) > 1e-9  # 阈值可根据数据精度调整

内容的提问来源于stack exchange，提问作者IGY