我有一个分类数据框架，我想将其转换为数值数据，我有50多个列，所以我想循环运行.repalce命令。
replace_map = {'w': 4,'+': 5,'.': 6,'g': 7}
我已经写了遍历列的代码
for column in df1_replace.columns[1:76]:
# Select column contents by column name using [] operator
columnSeriesObj = df1_replace[column]
print('Colunm Name : ',column)
print('Column Contents : ',columnSeriesObj.values)
您可以使用dropna()和drop_duplicated()来完成此操作
我已经将自己的示例数据用于一列没有值的数据。
import pandas as pd
from io import StringIO
csv = StringIO('''2001,1,a,a
2001,2,b,b
2001,3,c,c
2005,a
2005,c''')
df = pd.read_csv(csv,header=None )
print(df)
df看起来像这样
0 1 2 3 4
0 2001 1 NaN a a
1 2001 2 NaN b b
2 2001 3 NaN c c
3 2005 1 NaN a a
4 2005 1 NaN c c
然后删除所有值均为how='all'的所有列（na(NaN)
df_new = df.dropna(how='all',axis=1)
对数据框进行转置，重复的列将变为重复的行。然后在其上使用drop_duplicates删除重复的行。将其转置回去以获取原始数据，没有空列和重复列。
df_new = df_new.T.drop_duplicates().T
df_new.columns = range(len(df_new.columns))
print(df_new)