计算DataFrame中每列的第一个非缺失值

Question

我有一个DataFrame，它看起来像这样：

            1125400  5430095  1095751
2013-05-22   105.24      NaN  6507.58
2013-05-23   104.63      NaN  6393.86
2013-05-26   104.62      NaN  6521.54
2013-05-27   104.62      NaN  6609.31
2013-05-28   104.54    87.79  6640.24
2013-05-29   103.91    86.88  6577.39
2013-05-30   103.43    87.66  6516.55
2013-06-02   103.56    87.55  6559.43

我想计算每列中的第一个非NaN值。

正如定位Pandas DataFrame中的第一个和最后一个非NaN值所指出的，可以使用first_valid_index。不幸的是，它返回第一行，其中至少有一个元素不是NaN，并且不适用于每列。

Answer 1

您应该使用apply函数，它可以有效地在每列（默认值）或每行上应用一个函数：

>>> first_valid_indices = df.apply(lambda series: series.first_valid_index())
>>> first_valid_indices
1125400   2013-05-22 00:00:00
5430095   2013-05-28 00:00:00
1095751   2013-05-22 00:00:00

CCD_ 1将是包含每个列的first_valid_index的序列。

您也可以将lambda函数定义为之外的正常函数

def first_valid_index(series):
    return series.first_valid_index()

然后像这样调用apply：

df.apply(first_valid_index)

Answer 2

内置函数DataFrame.groupby（）.column.first（）返回列中的第一个非null值，而last（）则返回最后一个。

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.core.groupby.GroupBy.first.html

如果您不希望获得每组的第一个值，可以添加一个1的伪列。然后使用groupby&第一个功能。

from Pandas import DataFrame
df = DataFrame({'a':[None,1,None],'b':[None,2,None]})
df['dummy'] = 1
df.groupby('dummy').first()
df.groupby('dummy').last()

Answer 3

我认为你所说的计算是指访问？

最简单的方法是在dict理解中使用pd.Series.first_valid_index()方法：

values = {col : DF.loc[DF[col].first_valid_index(), col] for col in DF.columns}
values

需要明确的是，pandas DataFrame中的每一列都是一个系列。所以上面和做的一样：

values = {}
for column in DF.columns:
    First_Non_Null_Index = DF[column].first_valid_index()
    values[column] = DF.loc[First_Non_Null_Index, column]

因此，我的单行解决方案中的操作是基于每列的。也就是说，它不会造成你在编辑问题时所暗示的那种错误。如果它没有按预期工作，请告诉我。