python - Pandas :每行前 N 个非缺失值的总和

Question

我想高效地求和 pandas DataFrame 的前 N ​​个非缺失值。

例如，如果我有这样的数据框:

"df"

sid   1900  1899  332   855   1285  1413      1063  1768  2320      1117
bid                                                                     
309  -0.02 -0.03 -0.03 -0.02   NaN -0.01  9.81e-04 -0.02 -0.02  1.25e-02
470  -0.02 -0.04   NaN -0.02 -0.04 -0.02 -2.48e-02 -0.02 -0.02       NaN
818    NaN   NaN   NaN   NaN   NaN   NaN -3.87e-02   NaN   NaN -2.54e-02
1080   NaN   NaN   NaN   NaN   NaN   NaN -3.61e-02  0.08   NaN       NaN
1292  0.06  0.08 -0.01 -0.01 -0.04  0.01  4.85e-02   NaN  0.00  2.72e-02
1449 -0.02  0.00   NaN   NaN -0.04   NaN       NaN -0.02 -0.00 -5.85e-04
2253 -0.03 -0.04 -0.04 -0.03   NaN -0.02 -4.12e-02 -0.02 -0.03 -2.51e-02
2441   NaN -0.04 -0.03 -0.02   NaN -0.02 -4.19e-02 -0.02 -0.03 -2.68e-02

我想对每行的前 3 个非缺失值求和，我可以按如下方式遍历数据框:

row_sum = np.zeros(len(df))
for i, index in enumerate(df.index):
    row_sum[i]=df.ix[index].dropna()[:3].sum()

但是，这并不是特别有效。我喜欢一种矢量化的方法。我尝试了很多不同的方法来屏蔽 DataFrame 或底层数组 (df.values)，但还没有找到任何有效的方法。

我担心我在这里遗漏了一些明显的东西。

注意:如果该行只有少于 N 项是可以的。我只想每行最多 N 个。

Answer 1

我认为你可以这样做:

at_most=2
df.apply(lambda x: (x[np.isfinite(x)][:at_most]).sum(), axis=1)