Question

我正在尝试创建一个新的DataFrame，其中包含与最后一列中的值1.0或NaN对应的行，其中我仅将Nans设置为1.0（也就是说，我对所有内容都感兴趣，直到出现0.0为止））。

Timestamp      Value         Mode    
00-00-10   34567  1.0  
00-00-20   45425     
00-00-30   46773  0.0  
00-00.40   64567   
00-00-50   25665  1.0  
00-00-60   25678

我的尝试是：

for row in data.itertuples():
while data[data.Mode != 0.0]:
    df2 = df2.append(row)
else:
    #How do I differentiate between a NaN under a 1.0 and a NaN under a 0.0?
print (df2)

想法是保存每一行直到出现0.0，然后忽略每一行直到再次出现1.0。

Answer 1

您可以使用.ffill来确定它是低于1还是0的NaN。

这是{1之下的NaN值

df[(df['Mode'].isnull()) & df['Mode'].ffill() == 1]
#  Timestamp  Value  Mode
#1  00-00-20  45425   NaN
#5  00-00-60  25678   NaN

要获取下面的所有1和NaN：

df[((df['Mode'].isnull()) & df['Mode'].ffill() == 1) | df.Mode == 1]
#  Timestamp  Value  Mode
#0  00-00-10  34567   1.0
#1  00-00-20  45425   NaN
#4  00-00-50  25665   1.0
#5  00-00-60  25678   NaN

您可以略微更好的逻辑，因为只有1和0，尽管由于NaN中的'Mode'可能并不总是有效（这似乎对上面的位有效）

df[((df['Mode'].isnull()) & df['Mode'].ffill()) | df.Mode]

选择在熊猫中包含NaN且遵循特定值的行

1 个答案: