python - 在 PANDAS 中的第一个非 NaN 之后保留行

Question

我在 PANDAS 中有一个包含两列和一个索引(日期)的数据框。我想保留第一个常见的非 NaN 元素之后的行。例如，最初我有:

                    A      B        
        Index
        1/1/1950    NaN    5
        2/1/1950    7      NaN
        3/1/1950    9      NaN
        4/1/1950    NaN    6
        5/1/1950    4      15
        6/1/1950    2      21
        7/1/1950    NaN    5
        7/1/1950    12     5
        7/1/1950    5      NaN 

我想得到

                    A      B        
        Index
        5/1/1950    4      15
        6/1/1950    2      21
        7/1/1950    NaN    5
        7/1/1950    12     5
        7/1/1950    5      NaN 

因为 5/1/1950 是第一次 A 和 B 都不是 NaN，我想保留它之后的所有数据。感谢您的帮助。

Answer 1

您可以在 df 上调用 notnull 并使用 all(axis=1) 测试该行中的所有值是否为 True，我们然后可以调用 argmax 获取第一个 True 索引标签并使用 loc 切片 df:

In [37]:
df.loc[df.notnull().all(axis=1).argmax():]

Out[37]:
             A     B
Index               
5/1/1950   4.0  15.0
6/1/1950   2.0  21.0
7/1/1950   NaN   5.0
7/1/1950  12.0   5.0
7/1/1950   5.0   NaN

这是一个分割:

In [38]:
df.notnull()

Out[38]:
              A      B
Index                 
1/1/1950  False   True
2/1/1950   True  False
3/1/1950   True  False
4/1/1950  False   True
5/1/1950   True   True
6/1/1950   True   True
7/1/1950  False   True
7/1/1950   True   True
7/1/1950   True  False

In [39]:
df.notnull().all(axis=1)

Out[39]:
Index
1/1/1950    False
2/1/1950    False
3/1/1950    False
4/1/1950    False
5/1/1950     True
6/1/1950     True
7/1/1950    False
7/1/1950     True
7/1/1950    False
dtype: bool

In [40]:
df.notnull().all(axis=1).argmax()

Out[40]:
'5/1/1950'

编辑

正如@DSM 所指出的，使用 df.loc[df.notnull().all(axis=1).cummax()] 会更稳健，因为这将处理重复的索引值