Как удалить последний непрерывный заполненный элемент в пандах

Я хочу удалить всю последнюю непрерывную заполненную запись для столбца pandas.

Пример: Для ниже:

import pandas as pd

df = pd.DataFrame({
    0: ['1/24/2022', '1/25/2022', '1/26/2022', '1/27/2022', '1/28/2022', '1/29/2022', '1/30/2022', '1/31/2022', '2/1/2022', '2/2/2022', '2/3/2022', '2/4/2022', '2/5/2022', '2/6/2022', '2/7/2022', '2/8/2022', '2/9/2022'],
    1: [None, None, 'AB', 'C', 'D', 'Epiphany', None, None, None, None, None, 'A', 'A', 'A', 'B', 'B', None]
})

last_non_empty_row = df.last_valid_index()
last_non_empty_cell = df.loc[last_non_empty_row]

Я хотел бы преобразовать 'Epiphany' в None и 'B' для '2/7/2022' в None.

Ожидаемый результат:

df_expected = pd.DataFrame({
    0: ['1/24/2022', '1/25/2022', '1/26/2022', '1/27/2022', '1/28/2022', '1/29/2022', '1/30/2022', '1/31/2022', '2/1/2022', '2/2/2022', '2/3/2022', '2/4/2022', '2/5/2022', '2/6/2022', '2/7/2022', '2/8/2022', '2/9/2022'],
    1: [None, None, 'AB', 'C', 'D', None, None, None, None, None, None, 'A', 'A', 'A', 'B', None, None]
})

Как это может быть сделано?

Почему Epiphany, а B с 2/7/2022?

Wakeme UpNow 15.02.2023 09:59

Обе записи являются последними заполненными записями.

user13744439 15.02.2023 10:01
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
2
55
4
Перейти к ответу Данный вопрос помечен как решенный

Ответы 4

Вы можете сравнить отсутствующие значения со сдвигом вверх на Series.shift и установить None, если они совпадают в DataFrame.loc - если последние значения не NaN/None после решения, установите это значение в None с помощью параметра fill_value=True:

m = df[1].isna()
df.loc[m.shift(-1, fill_value=True) & ~m, 1] = None
print (df)
            0     1
0   1/24/2022  None
1   1/25/2022  None
2   1/26/2022    AB
3   1/27/2022     C
4   1/28/2022     D
5   1/29/2022  None
6   1/30/2022  None
7   1/31/2022  None
8    2/1/2022  None
9    2/2/2022  None
10   2/3/2022  None
11   2/4/2022     A
12   2/5/2022     A
13   2/6/2022     A
14   2/7/2022     B
15   2/8/2022  None
16   2/9/2022  None

Подробности:

print (m.shift(-1, fill_value=True) & ~m)
0     False
1     False
2     False
3     False
4     False
5      True
6     False
7     False
8     False
9     False
10    False
11    False
12    False
13    False
14    False
15     True
16    False
Name: 1, dtype: bool

Производительность:

#1.02M rows 
df = pd.concat([df] * 60000, ignore_index=True)


In [113]: %%timeit
     ...: m = df[1].isnull()
     ...: 
     ...: df[1] = df.loc[~m, 1].groupby(m.cumsum()).head(-1)
     ...: 
     ...: 
74 ms ± 5.07 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [114]: %%timeit
     ...: aux = df[1].shift(-1).isnull()
     ...: df[1] = df[1].mask(aux & aux.shift().eq(False), None)
     ...: 
     ...: 
141 ms ± 1.59 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [115]: %%timeit
     ...: aux = df[1].shift(-1).isnull()
     ...: df[1] = np.where(aux & aux.shift().eq(False), None, df[1])
     ...: 
     ...: 
147 ms ± 646 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [116]: %%timeit
     ...: m = df[1].isna()
     ...: df.loc[m.shift(-1, fill_value=True) & ~m, 1] = None
     ...: 
     ...: 
35.2 ms ± 3.93 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

Это решение неверно, оно завершится ошибкой, если последнее значение не является NaN.

mozway 15.02.2023 10:53

Не маскирует элемент…

mozway 15.02.2023 11:01

@mozway - Хорошо, теперь я подтверждаю свой комментарий о медленном groupby. Можете ли вы доказать, что мое решение неверно?

jezrael 15.02.2023 11:09

@jezrael: Да, попробуйте с этим фреймом данных. df = pd.DataFrame({ 0: ['24.01.2022', '25.01.2022', '26.01.2022', '27.01.2022', '28.01.2022', «29.01.2022», «30.01.2022», «31.01.2022», «01.02.2022», «2.02.2022», «3.02.2022», «2 /4/2022», «5/02/2022», «6/02/2022», «7/2/2022», «8/02/2022», «9/02/2022»], 1: [ Нет, Нет, «AB», «C», «D», «Epiphany», «Нет», «Нет», «Нет», «Нет», «Нет», «A», «A», «A», «B», «B», 'B'] }) Ваше решение не будет работать для последнего элемента

user13744439 15.02.2023 11:11

Я не вижу, чего вы не понимаете, это дает неправильный результат, вы привели себе пример, который не работает ... Также 2x фактор не медленный (хорошо, если он был в 100 раз медленнее), особенно если решение более гибкое.

mozway 15.02.2023 11:11

Я только что протестировал свое решение, и оно работает нормально, как и решение PaulS… возможно, вы неправильно поняли вопрос. Во всяком случае достаточно времени, потраченного на это

mozway 15.02.2023 11:17

@ user13744439 - Извините, я понимаю, что решение другое - теперь решение работает хорошо. Спасибо.

jezrael 15.02.2023 11:29
Ответ принят как подходящий

Если вы хотите сделать оба явно, то:

df[1][df[1]=='Epiphany']=None
df[1][(df[1]=='B') & (df[0]=='2/7/2022')]=None

Редактировать:

Как прокомментировал Корральен, ты можешь сделать:

df.loc[df[1]=='Epiphany', 1]=None
df.loc[(df[1]=='B') & (df[0]=='2/7/2022'), 1]=None

чтобы избежать потенциальных SettingWithCopyWarning

Другое возможное решение:

aux = df[1].shift(-1).isnull()
df[1] = np.where(aux & aux.shift().eq(False), None, df[1])

Или:

aux = df[1].shift(-1).isnull()
df[1] = df[1].mask(aux & aux.shift().eq(False), None)

Выход:

            0     1
0   1/24/2022  None
1   1/25/2022  None
2   1/26/2022    AB
3   1/27/2022     C
4   1/28/2022     D
5   1/29/2022  None
6   1/30/2022  None
7   1/31/2022  None
8    2/1/2022  None
9    2/2/2022  None
10   2/3/2022  None
11   2/4/2022     A
12   2/5/2022     A
13   2/6/2022     A
14   2/7/2022     B
15   2/8/2022  None
16   2/9/2022  None

Используйте собственный groupby.head:

# identify null values
m = df[1].isnull()

# groupby consecutive non-null: groupby(m.cumsum())
# get the values except the last per group: head(-1)
# assign back to the column
df[1] = df.loc[~m, 1].groupby(m.cumsum()).head(-1)

Выход:

            0    1
0   1/24/2022  NaN
1   1/25/2022  NaN
2   1/26/2022   AB
3   1/27/2022    C
4   1/28/2022    D
5   1/29/2022  NaN
6   1/30/2022  NaN
7   1/31/2022  NaN
8    2/1/2022  NaN
9    2/2/2022  NaN
10   2/3/2022  NaN
11   2/4/2022    A
12   2/5/2022    A
13   2/6/2022    A
14   2/7/2022    B
15   2/8/2022  NaN
16   2/9/2022  NaN

Супер, спасибо. Сколько групп? Какова была длина df?

jezrael 15.02.2023 10:48

200000 групп, 1 млн строк

mozway 15.02.2023 10:48

Другие вопросы по теме