计算每行中的字符数，如果所有字符都低于某个数字，则丢弃

Question

我有一个包含许多列的数据框，所有列都包含与

NaNs

混合的文本数据。

我想计算每列每行的字符数，然后删除所有列少于 100 个字符的任何行。

我正在考虑为每列创建一个带有

str.len

的新列，然后使用它过滤掉行，但这看起来很麻烦。

示例：

# Filter out rows with less than 5 characters in each row
>>> df
   column_1    column_2    column_3
0   werhio      dsfhjk      dh
1   sgds        fuo         g       ---> filtered
2   wqyuio      dsfjklh     fhkjfj
3   fhi         d           fgho    ---> filtered
4   sadfhkj     sdjfkhs     yyisdk       

>>> df_filtered
   column_1    column_2    column_3
0   werhio      dsfhjk      dh
2   wqyuio      dsfjklh     fhkjfj
4   sadfhkj     sdjfkhs     yyisdk 

Answer 1

无需创建新列，只需

apply

到所有列，聚合总数

sum

并创建布尔系列用于布尔索引：

out = df[df.apply(lambda x: x.str.len()).sum(axis=1).ge(10)]

输出：

  column_1 column_2 column_3
0   werhio   dsfhjk       dh
2   wqyuio  dsfjklh   fhkjfj
4  sadfhkj  sdjfkhs   yyisdk