python - 如何截断 Pandas 时间序列数据框中的列以删除前导零和尾随零？

Question

我在 Pandas 中有以下时间序列 df:

date          value
2015-01-01      0
2015-01-02      0
2015-01-03      0
2015-01-04      3
2015-01-05      0
2015-01-06      4 
2015-01-07      0 

我想删除前导和尾随零，以便得到以下 df:

date          value
2015-01-04      3
2015-01-05      0
2015-01-06      4 

简单地删除其中包含 0 的行也会导致删除中间的 0，这是我不希望的。

我想编写一个从第一行开始然后继续直到第一个非 0 值的正向循环，以及从末尾返回并在最后一个非 0 值处停止的第二个反向循环。但这似乎有些过分了，有没有更有效的方法呢？

Answer 1

如果测试的掩码累积和数据中的所有 0 值不等于 0 值并通过 [::- 交换值，则一般解决方案返回空 DataFrame 1] 通过按位 AND 链接并按 boolean indexing 过滤:

s = df['value'].ne(0)
df = df[s.cumsum().ne(0) & s[::-1].cumsum().ne(0)]
print (df)
         date  value
3  2015-01-04      3
4  2015-01-05      0
5  2015-01-06      4

---

如果始终至少有一个非 0 值是可能的，则将 0 转换为缺失值并使用 DataFrame.loc与 DataFrame.first_valid_index和 DataFrame.last_valid_index :

s = df['value'].mask(df['value'] == 0)
df = df.loc[s.first_valid_index():s.last_valid_index()]
print (df)
         date  value
3  2015-01-04      3
4  2015-01-05      0
5  2015-01-06      4

另一个想法是使用 DataFrame.idxmax或DataFrame.idxmin :

s = df['value'].eq(0)
df = df.loc[s.idxmin():s[::-1].idxmin()]
print (df)
         date  value
3  2015-01-04      3
4  2015-01-05      0
5  2015-01-06      4

---

s = df['value'].ne(0)
df = df.loc[s.idxmax():s[::-1].idxmax()]