如何基于行值删除Pandas DataFrame中的行（熵离散化场景）

删除阈值对应行的实现方法 #

你原有代码写法错误的核心原因有三个：

• drop是可调用方法，需要用括号传递参数而非方括号
• Pandas方法默认返回新对象，不会修改原变量，操作后需要重新赋值给原变量
• s.iloc[0]是完整的行数据对象，不是行索引，不能直接作为drop的入参

正确实现方式 #

如果需要删除所有A列值等于当前阈值的行，直接用布尔索引过滤即可，这是最稳定的实现：

s = s[s['A'] != threshold]

如果你只需要删除当前取阈值的第一行数据，可以按行索引删除：

s = s.drop(s.index[0])

现有代码其他注意事项 #

你当前的代码还有几处明显逻辑问题，后续运行会报错：

• 你用字典I存储每次计算的信息增益和阈值，每次循环都会覆盖原有值，后续计算最大信息增益时无法取到所有历史阈值的增益结果，建议将I改为列表，每次循环append {'informationGain':informationGain,'threshold':threshold}结构
• 循环结束后调用np.amax(informationGain)时，informationGain是循环内的局部变量，此时已经不存在，你需要从I列表中提取所有信息增益值再求最大值
• 你调用bestPartition时传入了未定义的minInformationGain变量，且bestPartition函数没有返回分箱后的数据集，最后无法得到你想要的分箱结果

内容的提问来源于stack exchange，提问作者Evan Gertis