如何更新熊猫数据框列中的值，直到同一列中第一次出现值？答案

【问题标题】：How do I update the values in a pandas dataframe column until first occurance of a value in the same column?如何更新熊猫数据框列中的值，直到同一列中第一次出现值？
【发布时间】：2018-01-26 17:26:58
【问题描述】：

我有以下数据框 -

              50d-200d  Regime  
Date                          
2017-02-22       NaN       0  
2017-02-23       NaN       0  
2017-02-24       NaN       0  
2017-02-27      0.52       1  
2017-02-28      0.92       1  
...
2017-04-04      0.39       1  
2017-04-05      0.16       1  
2017-04-06     -0.08      -1  
2017-04-07     -0.30      -1  
2017-04-10     -0.51      -1
...
2017-08-09     -1.15      -1  
2017-08-10     -0.52      -1  
2017-08-11      0.07       1  
2017-08-17      2.67       1

我想修改此数据框，以将“Regime”列值设置为 0，直到第一次出现“-1”。之后，我想保持数据框不变。我将如何实现这一目标？

TIA

【问题讨论】：

标签： python-2.7 pandas numpy

【解决方案1】：

使用idxmax作为第一个-1的索引值，然后设置0：

idx = df['Regime'].eq(-1).idxmax()
df.iloc[:df.index.get_loc(idx), df.columns.get_loc('Regime')] = 0
print (df)
            50d-200d  Regime
Date                        
2017-02-22       NaN       0
2017-02-23       NaN       0
2017-02-24       NaN       0
2017-02-27      0.52       0
2017-02-28      0.92       0
2017-04-04      0.39       0
2017-04-05      0.16       0
2017-04-06     -0.08      -1
2017-04-07     -0.30      -1
2017-04-10     -0.51      -1
2017-08-09     -1.15      -1
2017-08-10     -0.52      -1
2017-08-11      0.07       1
2017-08-17      2.67       1

还有piRSquared 的另一个解决方案，谢谢：

df.iloc[:df.Regime.eq(-1).values.argmax(), df.columns.get_loc('Regime')] = 0

【讨论】：

没问题，只将()从print (df)删除到print df
哎呀，对不起。我忘记了日期时间索引。答案已编辑。
行得通！如果您不介意为什么必须以不同的方式处理日期时间索引？
抱歉，出现了一点错误。对于像 datetimeindex 这样的按值选择，必须使用loc，对于按位置选择iloc。这是必要的按位置选择，因为df.loc[:df['Regime'].eq(-1).idxmax() , 'Regime'] = 0 删除最后一个-1 并替换为0

【解决方案2】：

选项1
np.logical_and.accumulate

df.assign(Regime=df.Regime.mask(np.logical_and.accumulate(df.Regime.ne(-1)), 0))

            50d-200d  Regime
Date                        
2017-02-22       NaN       0
2017-02-23       NaN       0
2017-02-24       NaN       0
2017-02-27      0.52       0
2017-02-28      0.92       0
2017-04-04      0.39       0
2017-04-05      0.16       0
2017-04-06     -0.08      -1
2017-04-07     -0.30      -1
2017-04-10     -0.51      -1
2017-08-09     -1.15      -1
2017-08-10     -0.52      -1
2017-08-11      0.07       1
2017-08-17      2.67       1

选项 2

df.assign(Regime=df.Regime.mask(df.Regime.ne(-1).cumprod().astype(bool), 0))

            50d-200d  Regime
Date                        
2017-02-22       NaN       0
2017-02-23       NaN       0
2017-02-24       NaN       0
2017-02-27      0.52       0
2017-02-28      0.92       0
2017-04-04      0.39       0
2017-04-05      0.16       0
2017-04-06     -0.08      -1
2017-04-07     -0.30      -1
2017-04-10     -0.51      -1
2017-08-09     -1.15      -1
2017-08-10     -0.52      -1
2017-08-11      0.07       1
2017-08-17      2.67       1

【讨论】：