使用NaN將熊貓系列中的連續零值的負值和“塊”替換為第一個正值

Question

我有一個熊貓數據框，我想識別所有負值並將其替換為NaN。 此外，跟隨負值的所有零也應替換為NaN，直到出現第一個正值。

我認為應該可以對數據幀中的所有負值使用for循環來實現我的目標。

例如，對於索引標簽為1737的負值，我可以使用如下所示的內容：

# 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填充從索引1737到first_index的值。

但是，我的數據幀很大，因此我想知道是否有可能提出一種利用熊貓計算效率更高的方法。

這是輸入的示例：

# 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

和所需的輸出：

# 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

任何幫助，將不勝感激！

Answer 1

你可以mask所有的0s和轉發與填充它們ffill ，檢查小於該值在系列0 。 然后使用生成的布爾系列遮罩原始系列：

s = pd.Series({0 : 1, 2 : 3, 3 : -1, 4 : 0, 5 : 0, 7 : 1, 9 : 3, 10 : 0, 11 : -2, 14 : 1})

s.mask(s.mask(s.eq(0)).ffill().lt(0))

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