Python 在数据帧中查找第一个和最后一个非NaN值

我有一个熊猫

数据框

按日期索引。有许多列，但许多列仅为时间序列的一部分填充。我想找到非NaN值的第一个和最后一个值的位置，以便提取日期并查看特定列的时间序列的长度

---

有没有人能给我指出正确的方向，告诉我怎么做这样的事情？提前感谢。

@behzad.nouri的解决方案非常有效，分别使用and返回第一个和最后一个非

NaN值。
以下是一些有用的示例

系列
使用
notna
和
idxmax
的替代解决方案：

# first valid index
s.notna().idxmax()
# 'b'

# last valid index
s.notna()[::-1].idxmax()
# 'd'


数据帧
（first | last）\u有效索引
未在数据帧上定义，但您可以使用
apply
将其应用于每列

# first valid index for each column
df.apply(pd.Series.first_valid_index)

A    1
B    0
dtype: int64

# last valid index for each column
df.apply(pd.Series.last_valid_index)

A    3
B    0
dtype: int64

与前面一样，您还可以使用
notna
和
idxmax
。这是更自然的语法

# first valid index
df.notna().idxmax()

A    1
B    0
dtype: int64

# last valid index
df.notna()[::-1].idxmax()

A    3
B    0
dtype: int64

谢谢@behzad.nouri这正是我想要的！当缺少的值可能为“0”时，是否有解决方案？（即每个组/时间序列查找第一个非零值）？@KorayTugay A系列为1D（即单列）。如果要检查
df
中的更多列，可以迭代df。例如，
对于col\u name，df.items（）中的数据：print（“列{}的第一个有效索引位于{}”）.format（col\u name，data.First\u valid\u index（））
可以使用
df.apply（Series.First\u valid\u index）
而不是迭代数据帧的列

是指对于完整的

NaN

列，它将返回

0

。在这种情况下，我希望使用

NaN

，因此我宁愿始终使用

.apply（Series.first\u valid\u index）

。

# first valid index for each column
df.apply(pd.Series.first_valid_index)

A    1
B    0
dtype: int64

# last valid index for each column
df.apply(pd.Series.last_valid_index)

A    3
B    0
dtype: int64

# first valid index
df.notna().idxmax()

A    1
B    0
dtype: int64

# last valid index
df.notna()[::-1].idxmax()

A    3
B    0
dtype: int64