我有像
这样的数据框架 A B C
0 1.232853 -1.979459 NaN
1 NaN 0.394940 1.068890
2 NaN 1.343977 NaN
3 2.125299 -0.649328 -0.211692
4 -0.187253 1.908618 -1.862934
5 2.243432 3.003434 NaN
我想为每列找到最长的一系列不间断数据。 对于col A,它是行3:5,对于B 0:5和C 3,4。
此外,我如何在整个数据框架上获得相同的想法?在这种情况下,我会得到第3,4行。
答案 0 :(得分:3)
您可以先创建一个临时DataFrame,其中每个系列的不间断数据都标有(每列)唯一编号。并将“原始”NaN放回原位,使最长的系列不能成为一系列NaN。
dfseries = (df.notnull().shift(1) != df.notnull()).cumsum()
dfseries[df.isnull()] = np.nan
A B C
0 1 1 NaN
1 NaN 1 2
2 NaN 1 NaN
3 3 1 4
4 3 1 4
5 3 1 NaN
要在整个DataFrame上获得最终结果,此时您可以添加:
dfseries = dfseries.dropna(axis=0, how='any')
如果您随后执行GroupBy(每列)和每组的累计计数,则该操作的最大值是最长系列的长度,idxmax
将是该系列结束的位置。< / p>
将两者放在一个新的DataFrame中:
dfrng = pd.concat((dfseries.apply(lambda x: x.groupby(x.values).cumcount().max()),
dfseries.apply(lambda x: x.groupby(x.values).cumcount().idxmax())),
axis=1, keys=['Length', 'EndPos'])
该系列的开头就是:
dfrng['StartPos'] = dfrng.EndPos - dfrng.Length
由于cumcount
从零开始,因此长度应该增加一。
dfrng['Length'] = dfrng.Length + 1
您的示例结果如下:
dfrng.T
A B C
Length 3 6 2
EndPos 5 5 4
StartPos 3 0 3