如何提取DataFrame中满足“大于0行数占比≥20%”的列

先说说你原代码里的问题：

• df3[df3 > 0]生成的是布尔值构成的DataFrame，但你后续用is去和数值比较完全不对，is是用来比较对象身份的，不是数值大小
• df3.iloc[1:, 1:]取的是从第二行第二列开始的子数据集，和你要计算全行列比例的需求不匹配
• 循环遍历列的方式也绕远路了，pandas有内置方法可以直接批量计算

直接用pandas的向量操作就能高效解决：

步骤分解 #

1. 计算每一列中数值大于0的行数占总行数的比例：
   用(df3 > 0).mean()，布尔值在计算均值时会被转成1（True）和0（False），所以结果就是符合条件的行数占比。
2. 筛选出占比≥20%（即0.2）的列名：
   用布尔索引过滤上述结果，提取符合条件的列名。
3. 从原DataFrame中提取这些列：
   用筛选出的列名子集去索引原DataFrame。

完整代码 #

# 计算每列大于0的行数占比
positive_ratio = (df3 > 0).mean()
# 筛选占比≥0.2的列
qualified_cols = positive_ratio[positive_ratio >= 0.2].index
# 提取符合条件的列
filtered_df = df3[qualified_cols]

一行简化版 #

如果想更简洁，也可以把步骤合并成一行：

filtered_df = df3.loc[:, (df3 > 0).mean() >= 0.2]

这里loc[:, ...]的冒号表示保留所有行，后面的布尔数组用来筛选列。

内容的提问来源于stack exchange，提问作者Echo94