![](/img/trans.png)
[英]Pandas DataFrame replace negative values with latest preceding positive value
[英]Replace negative values and 'blocks" of consecutive zeros up to first positive value in pandas series with NaN
我有一个熊猫数据框,我想识别所有负值并将其替换为NaN。 此外,跟随负值的所有零也应替换为NaN,直到出现第一个正值。
我认为应该可以对数据帧中的所有负值使用for循环来实现我的目标。
例如,对于索引标签为1737的负值,我可以使用如下所示的内容:
# 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)
然后使用NaN填充从索引1737到first_index
的值。
但是,我的数据帧很大,因此我想知道是否有可能提出一种利用熊猫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
和所需的输出:
# 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
任何帮助,将不胜感激!
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.