python - 从数据帧列中删除不连续的值

Question

我有一个像这样的数据框:

Ind TIME  PREC  ET    PET   YIELD
0      1  1.21  0.02  0.02   0.00
1      2  0.00  0.03  0.04   0.00
2      3  0.00  0.03  0.05   0.00
3      4  0.00  0.04  0.05   0.00
4      5  0.00  0.05  0.07   0.00
5      6  0.00  0.03  0.05   0.00
6      7  0.00  0.02  0.04   0.00
7      8  1.14  0.03  0.04   0.00
8      9  0.10  0.02  0.03   0.00
9     10  0.00  0.03  0.04   0.00
10    11  0.10  0.05  0.11   0.00
11    12  0.00  0.06  0.15   0.00
12    13  2.30  0.14  0.44   0.00
13    14  0.17  0.09  0.29   0.00
14    15  0.00  0.13  0.35   0.00
15    16  0.00  0.14  0.39   0.00
16    17  0.00  0.10  0.31   0.00
17    18  0.00  0.15  0.51   0.00
18    19  0.00  0.22  0.58   0.00
19    20  0.10  0.04  0.09   0.00
20    21  0.00  0.04  0.06   0.00
21    22  0.27  0.13  0.43   0.00
22    23  0.00  0.10  0.25   0.00
23    24  0.00  0.03  0.04   0.00
24    25  0.00  0.04  0.05   0.00
25    26  0.43  0.04  0.15   0.00
26    27  0.17  0.06  0.23   0.00
27    28  0.50  0.02  0.04   0.00
28    29  0.00  0.03  0.04   0.00
29    30  0.00  0.04  0.08   0.00
30    31  0.00  0.04  0.08   0.00
31     1  6.48  1.97  5.10   0.03
32    32  0.00  0.22  0.70   0.00
33    33  0.00  0.49  0.88   0.00

在此数据帧中，'TIME' 显示一年中的序数天数，以及每个月结束后的序数 - 一年中的月份序数，这会扰乱所有数据帧计算，因此，因此，我想删除包含月份值的所有行。首先，我尝试使用 .shift():

df = df.loc[df.TIME == df.TIME.shift() +1],

但是，在这种情况下，我删除的行数是预期的两倍。我还尝试在每个月结束后删除每个值:

for i in indexes:
    df = df.loc[df.index != i],

其中 indexes 是一个列表，包含日期值等于 31, 59, ... 365 或每月月底之后的行索引。然而，在闰年，这些值会有所不同，我可以为闰年创建另一个列表，但这种方法非常非Python主义。所以，我想知道，是否有更好的方法从数据框中删除非连续值(不包括一年结束而另一年开始的时间:364、365、1、2)？编辑:我可能应该补充一下，这个数据框中有二十年，所以这就是数据框在每年年底的样子:

时间精确宠物产量
370 360 0.00 0.14 0.26 0.04
371 361 0.00 0.15 0.27 0.04
372 362 0.00 0.14 0.25 0.04
373 363 0.11 0.18 0.32 0.04
374 364 0.00 0.15 0.25 0.04
375 365 0.00 0.17 0.29 0.04
376 12 16.29 4.44 7.74 1.89
377 1 0.00 0.16 0.28 0.03
378 2 0.00 0.18 0.32 0.03
379 3 0.00 0.22 0.40 0.03

Answer 1

df

    TIME   PREC    ET   PET  YIELD
0    360   0.00  0.14  0.26   0.04
1    361   0.00  0.15  0.27   0.04
2    362   0.00  0.14  0.25   0.04
3    363   0.11  0.18  0.32   0.04
4    364   0.00  0.15  0.25   0.04
5    365   0.00  0.17  0.29   0.04
6     12  16.29  4.44  7.74   1.89
7      1   1.21  0.02  0.02   0.00
8      2   0.00  0.03  0.04   0.00
9      3   0.00  0.03  0.05   0.00
10     4   0.00  0.04  0.05   0.00
11     5   0.00  0.05  0.07   0.00
12     6   0.00  0.03  0.05   0.00
13     7   0.00  0.02  0.04   0.00
14     8   1.14  0.03  0.04   0.00
15     9   0.10  0.02  0.03   0.00
16    10   0.00  0.03  0.04   0.00
17    11   0.10  0.05  0.11   0.00
18    12   0.00  0.06  0.15   0.00
19    13   2.30  0.14  0.44   0.00
20    14   0.17  0.09  0.29   0.00
21    15   0.00  0.13  0.35   0.00
22    16   0.00  0.14  0.39   0.00
23    17   0.00  0.10  0.31   0.00
24    18   0.00  0.15  0.51   0.00
25    19   0.00  0.22  0.58   0.00
26    20   0.10  0.04  0.09   0.00
27    21   0.00  0.04  0.06   0.00
28    22   0.27  0.13  0.43   0.00
29    23   0.00  0.10  0.25   0.00
30    24   0.00  0.03  0.04   0.00
31    25   0.00  0.04  0.05   0.00
32    26   0.43  0.04  0.15   0.00
33    27   0.17  0.06  0.23   0.00
34    28   0.50  0.02  0.04   0.00
35    29   0.00  0.03  0.04   0.00
36    30   0.00  0.04  0.08   0.00
37    31   0.00  0.04  0.08   0.00
38     1   6.48  1.97  5.10   0.03
39    32   0.00  0.22  0.70   0.00
40    33   0.00  0.49  0.88   0.00

查看TIME 中的差异。删除 diff 介于 -360 和 -1 之间的行

df[~df.TIME.diff().le(-12)]

    TIME  PREC    ET   PET  YIELD
0    360  0.00  0.14  0.26   0.04
1    361  0.00  0.15  0.27   0.04
2    362  0.00  0.14  0.25   0.04
3    363  0.11  0.18  0.32   0.04
4    364  0.00  0.15  0.25   0.04
5    365  0.00  0.17  0.29   0.04
7      1  1.21  0.02  0.02   0.00
8      2  0.00  0.03  0.04   0.00
9      3  0.00  0.03  0.05   0.00
10     4  0.00  0.04  0.05   0.00
11     5  0.00  0.05  0.07   0.00
12     6  0.00  0.03  0.05   0.00
13     7  0.00  0.02  0.04   0.00
14     8  1.14  0.03  0.04   0.00
15     9  0.10  0.02  0.03   0.00
16    10  0.00  0.03  0.04   0.00
17    11  0.10  0.05  0.11   0.00
18    12  0.00  0.06  0.15   0.00
19    13  2.30  0.14  0.44   0.00
20    14  0.17  0.09  0.29   0.00
21    15  0.00  0.13  0.35   0.00
22    16  0.00  0.14  0.39   0.00
23    17  0.00  0.10  0.31   0.00
24    18  0.00  0.15  0.51   0.00
25    19  0.00  0.22  0.58   0.00
26    20  0.10  0.04  0.09   0.00
27    21  0.00  0.04  0.06   0.00
28    22  0.27  0.13  0.43   0.00
29    23  0.00  0.10  0.25   0.00
30    24  0.00  0.03  0.04   0.00
31    25  0.00  0.04  0.05   0.00
32    26  0.43  0.04  0.15   0.00
33    27  0.17  0.06  0.23   0.00
34    28  0.50  0.02  0.04   0.00
35    29  0.00  0.03  0.04   0.00
36    30  0.00  0.04  0.08   0.00
37    31  0.00  0.04  0.08   0.00
39    32  0.00  0.22  0.70   0.00
40    33  0.00  0.49  0.88   0.00