将零替换为不等于零的最后一个值

Question

我有以下数据帧：

print(inventory_df)

      dt_op  Prod_1  Prod_2  Prod_n
1  10/09/18       5      50       2
2  11/09/18       4       0       0
3  12/09/18       2       0       0
4  13/09/18       0       0       0
5  14/09/18       4      30       1

我想将值更改为零，使用最后一个值！=从零开始，在每列中，如下所示：

print(final_inventory_df)

      dt_op  Prod_1  Prod_2  Prod_n
1  10/09/18       5      50       2
2  11/09/18       4      50       2
3  12/09/18       2      50       2
4  13/09/18       2      50       2
5  14/09/18       4      30       1

我怎么能这样做？

Answer 1

想法是通过mask将0替换为NaN，然后​​通过先前的非缺失值向前填充它们：

cols = df.columns.difference(['dt_op'])
df[cols] = df[cols].mask(df[cols] == 0).ffill().astype(int)

与numpy.where类似的解决方案：

df[cols] = pd.DataFrame(np.where(df[cols] == 0, np.nan, df[cols]), 
                        index=df.index, 
                        columns=cols).ffill().astype(int)


print (df)
      dt_op  Prod_1  Prod_2  Prod_n
1  10/09/18       5      50       2
2  11/09/18       4      50       2
3  12/09/18       2      50       2
4  13/09/18       2      50       2
5  14/09/18       4      30       1

有趣的解决方案 - 无需dt_op即可转换为整数所有列：

d = dict.fromkeys(df.columns.difference(['dt_op']), 'int')
df = df.mask(df == 0).ffill().astype(d)

Answer 2

另一种选择：

df.iloc[:,1:] = df.iloc[:,1:].replace(0, np.nan).ffill().astype(int)