如何查找:每列中的第一个非NaN值是否是DataFrame中该列的最大值? [英] How do I find: Is the first non-NaN value in each column the maximum for that column in a DataFrame?

问题描述

例如:

      0     1
0  87.0   NaN
1   NaN  99.0
2   NaN   NaN
3   NaN   NaN
4   NaN  66.0
5   NaN   NaN
6   NaN  77.0
7   NaN   NaN
8   NaN   NaN
9  88.0   NaN

我的预期输出是:[False, True]，因为87是第一个！NaN值，而不是列0中的最大值. 99是第一个！NaN值，并且实际上是该列中的最大值.

My expected output is: [False, True] since 87 is the first !NaN value but not the maximum in column 0. 99 however is the first !NaN value and is indeed the max in that column.

推荐答案

选项a):只需使用first

进行groupby

(可能不是100％可靠)

df.groupby([1]*len(df)).first()==df.max()
Out[89]: 
       0     1
1  False  True

选项b):bfill

或使用bfill(用该列中的向后值填充任何NaN值，然后bfill之后的第一行是第一个非NaN值)

Option b): bfill

Or using bfill(Fill any NaN value by the backward value in the column , then the first row after bfill is the first not NaN value )

df.bfill().iloc[0]==df.max()
Out[94]: 
0    False
1     True
dtype: bool

选项c):stack

Option c): stack

df.stack().reset_index(level=1).drop_duplicates('level_1').set_index('level_1')[0]==df.max()
Out[102]: 
level_1
0    False
1     True
dtype: bool

选项d):idxmax与first_valid_index

Option d): idxmax with first_valid_index

df.idxmax()==df.apply(pd.Series.first_valid_index)
Out[105]: 
0    False
1     True
dtype: bool

选项e)(来自Pir):idxmax和isna

Option e)(From Pir): idxmax with isna

df.notna().idxmax() == df.idxmax()     
Out[107]: 
0    False
1     True
dtype: bool

这篇关于如何查找:每列中的第一个非NaN值是否是DataFrame中该列的最大值?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！