如何基于特定行的值移除Pandas DataFrame中的指定列？

嘿，这两个需求都属于Pandas里基于行值筛选列的常见操作，用布尔索引就能轻松解决，我给你详细拆解：

简单来说，就是找出在目标行中值等于指定内容的列，然后把这些列从DataFrame里删掉。核心思路是先拿到目标行的所有值，再用布尔条件筛选出不需要移除的列。

举个实际例子，先创建测试用的DataFrame：

import pandas as pd

data = {
    "col1": [1, 2, "foo", 4],
    "col2": [5, 6, 7, 8],
    "col3": ["bar", "baz", "foo", "qux"]
}
df = pd.DataFrame(data)

假设我们要移除**第3行（位置索引为2，Python从0开始计数）值为"foo"**的列，代码如下：

# 定义目标行的位置索引（如果是行标签，就用df.loc["行标签名"]）
target_row = df.iloc[2]
# 定义要移除的目标值
target_value = "foo"

# 筛选出目标行值不等于target_value的列（也就是保留不需要移除的列）
filtered_df = df.loc[:, target_row != target_value]

执行后filtered_df就只剩下col2了——因为col1和col3在第3行的值都是"foo"，被我们移除了。

这个和需求1逻辑相反，我们要找出目标行中值等于指定内容的列，只保留这些列。同样用布尔索引实现。

还是先创建测试DataFrame：

data = {
    "A": [1, 0, 3],
    "B": [0, 5, 6],
    "C": [7, 0, 9]
}
df = pd.DataFrame(data)

假设我们要保留第2行（位置索引为1）值为0的列，代码如下：

# 定义目标行（这里用位置索引，用行标签的话换成df.loc["你的行标签"]）
target_row = df.iloc[1]
# 定义要保留的目标值
keep_value = 0

# 筛选出目标行值等于keep_value的列
result_df = df.loc[:, target_row == keep_value]

执行后result_df会保留A和C列，这两列在第2行的值都是0，而B列因为值是5被过滤掉了。

额外小技巧：封装成复用函数 #

如果你经常需要做这类操作，可以把逻辑封装成函数，方便重复调用：

def filter_columns_by_row(df, row_identifier, target_value, keep=True):
    """
    根据指定行的值筛选DataFrame的列
    :param df: 原始DataFrame
    :param row_identifier: 目标行的标识（位置用int，标签用str）
    :param target_value: 要匹配的目标值
    :param keep: True=保留匹配列，False=移除匹配列
    :return: 筛选后的DataFrame
    """
    if isinstance(row_identifier, int):
        row_values = df.iloc[row_identifier]
    else:
        row_values = df.loc[row_identifier]
    return df.loc[:, row_values == target_value] if keep else df.loc[:, row_values != target_value]

调用示例：

• 需求1：filter_columns_by_row(df, 2, "foo", keep=False)
• 需求2：filter_columns_by_row(df, 1, 0, keep=True)

内容的提问来源于stack exchange，提问作者Lowry