仅当有限和非零时，将一个系列 / dataframe的复制值从一个系列 /数据框架复制到另一个框架，并在不有限和零时保留

Question

i有一个具有值和零的系列，该序列在给定的时间点上保持当前读数(newv(。零表示没有针对给定的一组读数的新读数。我想维护另一个具有最后已知值(vals(的系列。

为此结果vals(。

如何将这些数据结构保持为系列和数据帧？

---

，例如

给定vals = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9])和newv = pd.Series([0, 22, 0, 44, 0, 0, 0, 0, 0])我想到达vals = pd.Series([1, 22, 3, 44, 5, 6, 7, 8, 9])

在下一个迭代中给定vals = pd.Series([1, 22, 3, 44, 5, 6, 7, 8, 9])和newv = pd.Series([11, 0, 33, 0, 0, 0, 0, 0, 0])，我想到达vals = pd.Series([11, 22, 33, 44, 5, 6, 7, 8, 9])

Answer 1

好的，使用更新的示例，我认为您只需要在newv大于零的情况下为vals分配新值。这样做：

vals = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9])
newv = pd.Series([0, 22, 0, 44, 0, 0, 0, 0, 0])
vals.loc[newv>0] = newv

如果您有一个带有一些新迭代列的数据框

df = pd.DataFrame()
df['vals'] = [1, 2, 3, 4, 5, 6, 7, 8, 9]
df['new1'] = [0, 22, 0, 44, 0, 0, 0, 0, 0]
df['new2'] = [11, 0, 33, 0, 0, 0, 0, 0, 0]
df['last_known'] = df.apply(lambda x: x[x>0].iloc[-1], axis=1)

或者您可以通过df的列应用上一个答案的方法，并在每次迭代中获取当前值：

df.apply(pd.Series.replace, axis=1, to_replace=0, method='ffill')

将产生

   vals  new1  new2
0     1     1    11
1     2    22    22
2     3     3    33
3     4    44    44
4     5     5     5
5     6     6     6
6     7     7     7
7     8     8     8
8     9     9     9

---

下面的原始答案

您可以通过用NaN s替换零值，然后使用fillna方法来进行此操作来执行此操作。示例：

import pandas as pd
import numpy as np
s1 = pd.Series([1,2,3,0,0,0,4,0,5])
s2 = s1.replace({0:np.NaN}).fillna(method='ffill')

这是s2中的结果：

0    1.0
1    2.0
2    3.0
3    3.0
4    3.0
5    3.0
6    4.0
7    4.0
8    5.0

正如@ayhan在评论中所建议的一种更好的方法是将replace与方法参数：

使用：

s2 = s1.replace(0, method='ffill')