python - 用 NaN 替换 pandas 系列中的负值和 'blocks"连续零直到第一个正值

Question

我有一个 pandas 数据框，我想识别所有负值并将其替换为 NaN。此外，负值后面的所有零也应该替换为 NaN，直到出现第一个正值。

我认为使用 for 循环遍历数据框中的所有负值应该可以实现我的目标。

例如，对于索引标签为 1737 的负值，我可以使用如下内容:

# list indexes that follow the negative value
indexes = df['counter_diff'].loc[1737:,]
# find first value greater than zero
first_index = next(x for x, val in enumerate(indexes) if val > 0)

然后用 NaN 填充从索引 1737 到 first_index 的值。

但是，我的数据框非常大，所以我想知道是否有可能提出一种利用 pandas 的计算效率更高的方法。

这是输入的示例:

# input column
In[]
pd.Series({0 : 1, 2 : 3, 3 : -1, 4 : 0, 5 : 0, 7 : 1, 9 : 3, 10 : 0, 11 : -2, 14 : 1})

Out[]
0     1
2     3
3    -1
4     0
5     0
7     1
9     3
10    0
11   -2
14    1
dtype: int64

以及所需的输出:

# desired output
In[]
pd.Series({0 : 1, 2 : 3, 3 : np.nan, 4 : np.nan, 5:np.nan, 7:1, 9:3, 10:0, 11 : np.nan, 14:1})

Out[]
0     1.0
2     3.0
3     NaN
4     NaN
5     NaN
7     1.0
9     3.0
10    0.0
11    NaN
14    1.0
dtype: float64

如有任何帮助，我们将不胜感激!

Answer 1

你可以mask所有 0 并向前填充 ffill ，并检查该系列中的哪些值小于 0。然后使用生成的 bool 系列来掩盖原始系列:

s = pd.Series({0 : 1, 2 : 3, 3 : -1, 4 : 0, 5 : 0, 7 : 1, 9 : 3, 10 : 0, 11 : -2, 14 : 1})

s.mask(s.mask(s.eq(0)).ffill().lt(0))

0     1.0
2     3.0
3     NaN
4     NaN
5     NaN
7     1.0
9     3.0
10    0.0
11    NaN
14    1.0
dtype: float64