1

我有一个数据框，我想重新格式化它，以便它删除在第一个非零值出现在一行之前是否出现缺失值或零的实例。但是，我不想删除任何行或列，也不想删除出现在非零之后的任何 0 或缺失值。

以下是我正在使用的数据框：

> data =[['Adam',2.55,4.53,3.45,2.12,3.14],['Bill',np.NaN,2.14,3.65,4.12],['Chris',np.NaN,0,2.82,0,6.04],['David',np.NaN,0,7.42,3.52]]

> df = pd.DataFrame(data, columns = ['Name', 'A','B','C','D','E'])

此外，这是预期的结果：

> data1 =[['Adam',2.55,4.53,3.45,2.12,3.14],['Bill',2.14,3.65,4.12],['Chris',2.82,0,6.04],['David',7.42,3.52]]

> df1 = pd.DataFrame(data1, columns = ['Name', 'A','B','C','D','E'])
4

1 回答 1

1

这不是一个小问题。这是解决方案：

m=df.set_index('Name')
m=m[m.isin(m.mask(m.le(0)).bfill(axis=1).iloc[:,0]).cumsum(axis=1).astype(bool)]
print(m)

         A     B     C     D     E
Name                               
Adam   2.55  4.53  3.45  2.12  3.14
Bill    NaN  2.14  3.65  4.12   NaN
Chris   NaN   NaN  2.82  0.00  6.04
David   NaN   NaN  7.42  3.52   NaN

然后使用justify：

pd.DataFrame(justify(m.values,np.nan),columns=m.columns,index=m.index).reset_index()

    Name     A     B     C     D     E
0   Adam  2.55  4.53  3.45  2.12  3.14
1   Bill  2.14  3.65  4.12   NaN   NaN
2  Chris  2.82  0.00  6.04   NaN   NaN
3  David  7.42  3.52   NaN   NaN   NaN

解释：

Step1：将Name列设置为索引，这样我们就可以只处理数值了。 Step2： m.mask(m.le(0)).bfill(axis=1).iloc[:,0]给出第一个大于0 的值。 Step3：然后使用isin()返回True每行中出现的值。 Step4： cumsum(axis=1).astype(bool)使所有剩余元素为True，因此我们可以只过滤那些值，其他值变为NaN。然后使用链接帖子中的 justify 函数。

于 2019-07-06T09:00:23.270 回答