python - 使用上述值简化数据框列部分的有效方法

Question

问题在于将零之间的数字序列更改为特定序列的第一个值。
例子:


输入(df['p'])
期望输出(df['Do'])


0
0

0
0

0
0

115
115

090
115

0
0

-80
-80

-90
-80

-70
-80

0
0


我尝试使用 np.where 和逻辑来查找必须更改的数字，但我无法扩展此解决方案。它仅适用于一行。
例子:

                  #check a change in value   #eliminate the first change from zero   #assigning the above p value
df['A'] =np.where(df['p']!=df['p'].shift(1),np.where(df['p'].shift(1)==0,df['p'],df['p'].shift(1)),df['p'])

输入(df['p'])
实际输出(df['A'])


0
0

0
0

0
0

115
115

090
115

0
0

-80
-80

-90
-80

-70
-90

0
0


类似的东西应该可以工作，但 np.where 不支持同一列之间的迭代。

                  #check a change in value   #eliminate the first change from zero   #assigning the above Do value
   #\/                                                                                 \/
df['Do'] = np.where(df['p']!=df['p'].shift(1),np.where(df['p'].shift(1)==0,df['p'],df['Do'].shift(1)),df['p'])

太棒了!

Answer 1

您想要的是不等于( ne )为 0 的行，并且前一行(带有 shift )也不为 0。然后 mask 这些行的值和 ffill传播之前的非 0 值

#input
df = pd.DataFrame({'p':[0,0,0,115,90,0,-80,-90,-70,0]})

# get the result
df['res'] = df['p'].mask(df['p'].ne(0) & df['p'].shift().ne(0)).ffill()

print(df)
     p    res
0    0    0.0
1    0    0.0
2    0    0.0
3  115  115.0
4   90  115.0
5    0    0.0
6  -80  -80.0
7  -90  -80.0
8  -70  -80.0
9    0    0.0

或者您只能检查一次 ne到 0 并使用 shift后

m = df['p'].ne(0)
df['res'] = df['p'].mask(m & m.shift()).ffill()