python - 从 pandas DataFrame 中删除少于 K 个连续的 NaN

Question

我正在处理时间序列数据。从数据框列中删除小于或等于阈值的连续 NaN 时，我遇到了问题。我尝试查看一些链接，例如:

Identifying consecutive NaN's with pandas : 标识连续 NaN 出现的位置以及计数。

Pandas: run length of NaN holes : 输出 NaN 的运行长度编码

这条车道上还有很多其他的，但没有一个真正告诉我们如何在识别后将它们移除。

我找到了一个类似的解决方案，但它在 R 中: How to remove more than 2 consecutive NA's in a column?

我想要 Python 中的解决方案。

下面是例子:

这是我的数据框列:

            a
    0   36.45
    1   35.45
    2     NaN
    3     NaN
    4     NaN
    5   37.21
    6   35.63
    7   36.45
    8   34.65
    9   31.45
    10    NaN
    11    NaN
    12  36.71
    13  35.55
    14    NaN
    15    NaN
    16    NaN
    17    NaN
    18  37.71

如果 k = 3，我的输出应该是:

            a
    0   36.45
    1   35.45
    2   37.21
    3   35.63
    4   36.45
    5   34.65
    6   31.45
    7   36.71
    8   35.55
    9     NaN
    10    NaN
    11    NaN
    12    NaN
    13  37.71

我怎样才能删除小于或等于某个阈值 (k) 的连续 NaN。

Answer 1

有几种方法，但我是这样做的:

1. 使用巧妙的 cumsum 技巧确定连续数字组
2. 使用groupby + transform确定每组的大小
3. 识别阈值内的 NaN 组
4. 使用 bool 索引过滤掉它们。

k = 3 
i = df.a.isnull()
m = ~(df.groupby(i.ne(i.shift()).cumsum().values).a.transform('size').le(k) & i)

df[m]

a
0   36.45
1   35.45
5   37.21
6   35.63
7   36.45
8   34.65
9   31.45
12  36.71
13  35.55
14    NaN
15    NaN
16    NaN
17    NaN
18  37.71

你可以执行df = df[m]; df.reset_index(drop=True) 如果您想要单调递增的整数索引，请在最后一步。