一個(gè)真實(shí)問(wèn)題，搞定三個(gè)冷門(mén)pandas函數(shù)

最近有一個(gè)粉絲問(wèn)過(guò)我一個(gè)問(wèn)題，覺(jué)得挺有意思，分享給大家。經(jīng)過(guò)簡(jiǎn)化后大概就是有一個(gè)長(zhǎng)這樣的時(shí)間序列數(shù)據(jù)?

可以看到，一共有15行數(shù)據(jù)，其中有一些行的value是空值， 現(xiàn)在想在不改變?cè)瓟?shù)據(jù)的情況下取出從第一個(gè)不是空值的行之后的全部數(shù)據(jù)?

嗯，看上去不是很難，但如果添加一個(gè)額外要求:「使用純pandas函數(shù)完成」 這就涉及到了一些不常用的函數(shù)，一起來(lái)看看。

首先需要構(gòu)造這樣的數(shù)據(jù)，在Python中我們可以先按照規(guī)則生成字符串，然后使用time或datatime模塊進(jìn)行轉(zhuǎn)換，方法很多，但是pandas中如何直接生成呢？這就涉及到第一個(gè)函數(shù)date_range。

其實(shí)在pandas中生成時(shí)間序列數(shù)據(jù)比其他方法要方便很多，使用.date_range一行代碼即可，該函數(shù)使用方法為

pandas.date_range(start=None,?end=None,?periods=None,?freq=None,?tz=None,?normalize=False,?name=None,?closed=None,?**kwargs)

可以通過(guò)起止日期來(lái)生成也可以通過(guò)開(kāi)始日期與長(zhǎng)度生成上面的默認(rèn)間隔是1天，當(dāng)然是可以自定義，比如修改為5天該方法還支持生成更多的指定形式的時(shí)間序列數(shù)據(jù)，感興趣的讀者可以自行查閱官方文檔，現(xiàn)在我們就可以生成示例數(shù)據(jù)?

df?=?pd.DataFrame(
????{???'date':?[i?for?i?in?pd.date_range('20200701','20200715')],
????????'value':?['','','','','',1,6,1,2,'',2,1,6,0,1]}
)?

接下來(lái)我的思路是

• 判斷value列的每個(gè)值是否為空值，返回Ture/False
• 找到第一個(gè)為False的索引，取后面全部的數(shù)據(jù)

為了只用pandas實(shí)現(xiàn)這個(gè)思路，用到了兩個(gè)不常見(jiàn)的函數(shù)，讓我們慢慢說(shuō)。

ne函數(shù)可以比較兩個(gè)Series，常用于缺失值填充，下面是一個(gè)例子

除了可以比較兩個(gè)Series之外，對(duì)于我們的問(wèn)題，它可以比較元素：返回True如果這個(gè)值不是你指定的值，聽(tīng)上去很繞，我們看代碼

可以看到，所有空值都被標(biāo)記為False，接下來(lái)要做的就是找到第一個(gè)True元素的索引，并取出之后的全部數(shù)據(jù)。

如何在pandas中直接定位一組數(shù)據(jù)中最大/最小值的位置？可以使用idxmax/idxmin，這個(gè)函數(shù)不難，直接看一個(gè)簡(jiǎn)單的例子它可以返回最大值/最小值第一次出現(xiàn)的位置索引！剛好可以滿足我們的要求，現(xiàn)在就可以將idxmax與之前的ne函數(shù)結(jié)合起來(lái)實(shí)現(xiàn)我們需求

df['value'].ne('').idxmax()
#?5

返回的索引值是5，最后就可以使用loc函數(shù)一行代碼實(shí)現(xiàn)我們的需求

其實(shí)這個(gè)問(wèn)題還有很多其他的辦法，比如可以先篩選出所有True的索引，然后使用.first_valid_index()找到第一個(gè)True，最后也可以不用loc直接df[df['value'].ne('')]實(shí)現(xiàn)。

但我還希望你能掌握上面三個(gè)函數(shù)并靈活運(yùn)用，如果有更好的思路可以在評(píng)論區(qū)留言。