我有以下数据框架:
import numpy as np
import pandas as pd
df = pd.DataFrame(np.array([[1, 1, 1, 1], [1, 1, np.nan, 1], [1, np.nan, 1, 1]]),
columns=['t', 't_1', 't_2', 't_3'])
实际上有~ 1000万行。我需要一个快速的方法来知道哪个是最后一个连续列,有一个非空值。以这个df为例,结果将是->
df_result = pd.DataFrame(np.array([[1, 1, 1, 1], [1, 1, np.nan, np.nan], [1, np.nan, np.nan, np.nan]]),
columns=['t', 't_1', 't_2', 't_3'])
目前我正在使用以下lambda函数进行此操作,但结果太慢:
def second_to_last_null(*args):
for i in range(len(args)):
if np.isnan(args[i]):
return np.nan
else:
return args[-1]
df_result['t'] = df['t']
df_result['t_1_consecutive'] = df[['t', 't_1']].apply(lambda x: second_to_last_null(x.t, x.t_1), axis=1)
df_result['t_2_consecutive'] = df[['t', 't_1', 't_2']].apply(lambda x: second_to_last_null(x.t, x.t_1, x.t_2), axis=1)
df_result['t_3_consecutive'] = df[['t', 't_1', 't_2', 't_3']].apply(lambda x: second_to_last_null(x.t, x.t_1, x.t_2, x.t_3), axis=1)
有人能建议在Pandas或Numpy中最快的方法吗?一个简单的技术解释,为什么那个方法比我的好。
在isna
上尝试cumsum
,然后mask
df_result = df.mask(df.isna().cumsum(axis=1) >= 1)
输出:
t t_1 t_2 t_3
0 1.0 1.0 1.0 1.0
1 1.0 1.0 NaN NaN
2 1.0 NaN NaN NaN
:df.isna()
用True
掩码nan
,否则False
。然后使用cumsum(axis=1)
,可以找到nan
到目前为止的累积数量(在行上)。最后,所有cumsum
>= 1表示在该位置之前存在nan
。