用 NaN 填充条件后的值答案

【问题标题】：fill values after condition with NaN用 NaN 填充条件后的值
【发布时间】：2021-01-09 11:41:04
【问题描述】：

我有一个这样的 df：

df = pd.DataFrame(
    [
        ['A', 1],
        ['A', 1],
        ['A', 1],
        ['B', 2],
        ['B', 0],
        ['A', 0],
        ['A', 1],
        ['B', 1],
        ['B', 0]
    ], columns = ['key', 'val'])
df

打印：

我想填充 val 列中 2 之后的行（在示例中 val 列中从第 3 行到第 8 行的所有值都替换为 nan）。

我试过了：

df['val'] = np.where(df['val'].shift(-1) == 2, np.nan, df['val'])

并像这样遍历行：

for row in df.iterrows():
    df['val'] = np.where(df['val'].shift(-1) == 2, np.nan, df['val'])

但无法让它向前填充 nan。

【问题讨论】：

如何编写熊猫问题的面包和黄油示例，做得好。

标签： python-3.x pandas numpy

【解决方案1】：

你可以试试：

ind = df.loc[df['val']==2].index
df.iloc[ind[0]:,1] = np.nan

【讨论】：

【解决方案2】：

一旦你得到df.index[df.val.shift(-1).eq(2)].item() 的索引，你就可以使用切片了

idx = df.index[df.val.shift(-1).eq(2)].item()
df.iloc[idx:, 1] = np.nan
df
  key  val
0   A  1.0
1   A  1.0
2   A  NaN
3   B  NaN
4   B  NaN
5   A  NaN
6   A  NaN
7   B  NaN
8   B  NaN

【讨论】：

【解决方案3】：

您可以使用boolean indexing 和cummax 来填充nan 值：

df.loc[df['val'].eq(2).cummax(), 'val'] = np.nan

或者你也可以使用Series.mask:

df['val'] = df['val'].mask(lambda x: x.eq(2).cummax())

  key  val
0   A  1.0
1   A  1.0
2   A  1.0
3   B  NaN
4   B  NaN
5   A  NaN
6   A  NaN
7   B  NaN
8   B  NaN

【讨论】：