我有一个 df
带列 date
, a
, b
和一个 id
. 该 id
是分组和 date
当进入一个新版本时,数值会重复。id
. 在专栏中 a
和 b
我想把0换成 nan
之前 的第一个非零值,在每个 id
. 所以有了下面的数据。
df = pd.DataFrame({
'date': ['2019-01-01', '2019-02-01', '2019-03-01', '2019-04-01', '2019-05-01']*3,
'id': [0,0,0,0,0,1,1,1,1,1,2,2,2,2,2],
'a': [0,0,10,40,20,0,0,0,50,90,0,0,0,0,0],
'b': [0,0,0,123,345,0,0,555,0,666,0,0,0,0,30]
})
date id a b
0 2019-01-01 0 0 0
1 2019-02-01 0 0 0
2 2019-03-01 0 10 0
3 2019-04-01 0 40 123
4 2019-05-01 0 20 345
5 2019-01-01 1 0 0
6 2019-02-01 1 0 0
7 2019-03-01 1 0 555
8 2019-04-01 1 50 0
9 2019-05-01 1 90 666
10 2019-01-01 2 0 0
11 2019-02-01 2 0 0
12 2019-03-01 2 0 0
13 2019-04-01 2 0 0
14 2019-05-01 2 0 30
输出应该是
date id a b
0 2019-01-01 0 NaN NaN
1 2019-02-01 0 NaN NaN
2 2019-03-01 0 10.0 NaN
3 2019-04-01 0 40.0 123.0
4 2019-05-01 0 20.0 345.0
5 2019-01-01 1 NaN NaN
6 2019-02-01 1 NaN NaN
7 2019-03-01 1 NaN 555.0
8 2019-04-01 1 50.0 0.0
9 2019-05-01 1 90.0 666.0
10 2019-01-01 2 0.0 NaN
11 2019-02-01 2 0.0 NaN
12 2019-03-01 2 0.0 NaN
13 2019-04-01 2 0.0 NaN
14 2019-05-01 2 0.0 30.0
请注意,如果一个给定的 id
列内是零,那么就保留零。
我现在的解决方案是2 for
-循环:一个用于柱子,一个用于循环。groupby
物体上 id
;一个解决方案,我相信有改进的空间。任何提示和帮助将是非常感激的。
for col in ['a', 'b']:
for i, grp in df.groupby('id'):
min_idx = grp.index.min()
non_z_idx = grp[grp[col] > 0].index.min()
if not np.isnan(non_z_idx):
df.loc[min_idx:non_z_idx - 1, col] = np.nan
使用2个掩码和 df.where
m1 = df[['a','b']].ne(0).groupby(df.id).cummax()
m2 = df[['a','b']].eq(0).groupby(df.id).transform('all')
df[['a','b']] = df[['a','b']].where(m1 | m2)
Out[88]:
date id a b
0 2019-01-01 0 NaN NaN
1 2019-02-01 0 NaN NaN
2 2019-03-01 0 10.0 NaN
3 2019-04-01 0 40.0 123.0
4 2019-05-01 0 20.0 345.0
5 2019-01-01 1 NaN NaN
6 2019-02-01 1 NaN NaN
7 2019-03-01 1 NaN 555.0
8 2019-04-01 1 50.0 0.0
9 2019-05-01 1 90.0 666.0
10 2019-01-01 2 0.0 NaN
11 2019-02-01 2 0.0 NaN
12 2019-03-01 2 0.0 NaN
13 2019-04-01 2 0.0 NaN
14 2019-05-01 2 0.0 30.0
如果您不需要两个groupby,您可以使用一个groupby,并使用 apply
m = df[['a','b']].ne(0).groupby(df.id).apply(lambda x: x.cummax() | ~x.any())
df[['a','b']] = df[['a','b']].where(m)