Python 从DataFrame中选择列中具有有限值的最新索引的有效方法？

我正在尝试查找最新的索引，其值相对于当前索引而言不是“NaN”。所以，假设我有一个数据帧，其值为“NaN”，如下所示：

       A       B       C
0    2.1     5.3     4.7
1    5.1     4.6     NaN
2    5.0     NaN     NaN
3    7.4     NaN     NaN
4    3.5     NaN     NaN
5    5.2     1.0     NaN
6    5.0     6.9     5.4
7    7.4     NaN     NaN
8    3.5     NaN     5.8

如果我当前处于索引4，则我具有以下值：

       A       B       C
4    3.5     NaN     NaN

我想知道“B”相对于索引4的最后一个已知值，它位于索引

1

：

       A       B       C
1    5.1   -> 4.6    NaN

我知道我可以使用以下方法获得具有NaN值的所有索引的列表：

indexes = df.index[df['B'].apply(np.isnan)]

---

但这在大型数据库中似乎效率低下。有没有办法将

tail

仅作为相对于当前索引的最后一个索引？

您可以尝试类似的方法，将

索引

转换为与列

B

具有相同

NaN

值的序列，然后使用

ffill（）

为所有后续

NaN

s向前携带最后一个非缺失索引：

import pandas as pd
import numpy as np
df['Last_index_notnull'] = df.index.to_series().where(df.B.notnull(), np.nan).ffill()
df['Last_value_notnull'] = df.B.ffill()
df

---

现在在索引

4

，您知道最后一个非缺失值是

4.6

，索引是

1

一些有用的方法

最后一个有效索引

第一个有效索引

对于索引

4

df.B.ix[:4].last_valid_index()

1

您可以通过这种方式将其用于所有列

pd.concat([df.ix[:i].apply(pd.Series.last_valid_index) for i in df.index],
          axis=1).T

---

您的预期输出是什么？理想情况下，我希望得到值

4.6

和索引

1

。您只想知道索引

4

处的最新索引，还是想知道所有索引的最新索引？对于这种情况，只需要查找索引处的索引（在示例中是4）。