如何在某個值后洗掉Pandas中的行？

我使用以下代碼復制了 Pandas 系列：

data = np.array([1, 2, 3, 4, 5, np.nan, np.nan, np.nan, 9,10,11,12,13,14])
  
ser = pd.Series(data)
print(ser)

我想只選擇 NaN 值之前的列，這樣我只能得到值 1、2、3、4、5。我該怎么做？

uj5u.com熱心網友回復：

在第一次匹配和最后一次反轉掩碼后使用重復s測驗缺失值Series.isna，過濾：Series.cummaxTrue~boolean indexing

a = ser[~ser.isna().cummax()]
print(a)
0    1.0
1    2.0
2    3.0
3    4.0
4    5.0
dtype: float64

累積和的替代解決方案：

a = ser[ser.isna().cumsum().eq(0)]
print(a)
0    1.0
1    2.0
2    3.0
3    4.0
4    5.0
dtype: float64

詳情：

print(ser.to_frame().assign(testna = ser.isna(), 
                            cummax = ser.isna().cumsum(),
                            invert = ser.isna().cumsum().eq(0)))
       0  testna  cummax  invert
0    1.0   False       0    True
1    2.0   False       0    True
2    3.0   False       0    True
3    4.0   False       0    True
4    5.0   False       0    True
5    NaN    True       1   False
6    NaN    True       2   False
7    NaN    True       3   False
8    9.0   False       3   False
9   10.0   False       3   False
10  11.0   False       3   False
11  12.0   False       3   False
12  13.0   False       3   False
13  14.0   False       3   False

print(ser.to_frame().assign(testna = ser.isna(), 
                            cummax = ser.isna().cummax(),
                            test0 = ~ser.isna().cummax()))

       0  testna  cummax   test0
0    1.0   False   False    True
1    2.0   False   False    True
2    3.0   False   False    True
3    4.0   False   False    True
4    5.0   False   False    True
5    NaN    True    True   False
6    NaN    True    True   False
7    NaN    True    True   False
8    9.0   False    True   False
9   10.0   False    True   False
10  11.0   False    True   False
11  12.0   False    True   False
12  13.0   False    True   False
13  14.0   False    True   False

uj5u.com熱心網友回復：

使用布爾掩碼對系列進行切片。

您有兩個選擇，檢查值不是 NA with并在第一個with 之后notna擴展False值。TrueSeries.cummin

ser[ser.notna().cummin()]

輸出：

0    1.0
1    2.0
2    3.0
3    4.0
4    5.0
dtype: float64

或者，使用 測驗值是否為 NA isna，然后使用 擴展第一個True值之后的值True，Series.cummax然后使用 反轉掩碼~：

ser[~ser.isna().cummax()]

它如何作業的視覺表示：

    data  notna  notna cummin   isna  isna cummax  ~(isna cummax)
0    1.0   True          True  False        False            True
1    2.0   True          True  False        False            True
2    3.0   True          True  False        False            True
3    4.0   True          True  False        False            True
4    5.0   True          True  False        False            True
5    NaN  False         False   True         True           False
6    NaN  False         False   True         True           False
7    NaN  False         False   True         True           False
8    9.0   True         False  False         True           False
9   10.0   True         False  False         True           False
10  11.0   True         False  False         True           False
11  12.0   True         False  False         True           False
12  13.0   True         False  False         True           False
13  14.0   True         False  False         True           False

標籤：Python 熊猫 数据科学 系列

上一篇：正則運算式僅在短詞后而不是長詞后洗掉點

下一篇：我們可以在pandasgroupbyagg函式中使用iterables嗎？