跳转至

Python | Pandas data frame.first_valid_index()

原文:https://www.geesforgeks.org/python-pandas-data frame-first_valid_index/

Python 是进行数据分析的优秀语言,主要是因为以数据为中心的 python 包的奇妙生态系统。 【熊猫】 就是其中一个包,让导入和分析数据变得容易多了。

熊猫 **dataframe.first_valid_index()**函数返回数据帧中第一个非数值/空值的索引。在熊猫系列的情况下,返回第一个非 NA/null 索引。在熊猫数据帧的情况下,返回的索引甚至只有一个非空值。

注意:如果所有元素都是非 NA/null,则返回 None。对于空数据帧,也返回无

语法:data frame.first_valid_index() 返回:标量:索引类型

示例#1: 使用first_valid_index()函数查找数据帧中的第一个非 NA/null 索引。

# importing pandas as pd
import pandas as pd

# Creating the dataframe 
df = pd.DataFrame({"A":[None, None, 2, 4, 5], 
                   "B":[5, None, None, 44, 2],
                   "C":[None, None, None, 1, 5]})

# Print the dataframe
df

现在应用first_valid_index()功能。

# applying first_valid_index() function 
df.first_valid_index()

输出:

注意,第一行第二列有non-Na值。所以输出为 0,表示第 0 个索引包含一个non-NA值。

示例 2: 使用first_valid_index()函数查找数据框中的第一个非 NA/null 索引。

# importing pandas as pd
import pandas as pd

# Creating the dataframe 
df = pd.DataFrame({"A":[None, None, 2, 4, 5],
                   "B":[None, None, None, 44, 2],
                   "C":[None, None, None, 1, 5]})

# applying first_valid_index() function 
df.first_valid_index()

输出:

正如我们在数据框中看到的,前两行只有NA值。所以,输出是 2

示例#3: 使用first_valid_index()函数查找序列中的第一个非 NA/null 索引。

# importing pandas as pd
import pandas as pd

# Creating the series
ser = pd.Series([None, None, "sam", "alex", "sophia", None])

# Print the series
ser

现在应用first_valid_index()功能。

# applying first_valid_index() function 
ser.first_valid_index()

输出: 输出为 2,因为第 0 和第 1 个索引的值为空。



回到顶部