Python 在数据帧操作中处理零或非

我有一个数据帧（df），如下所示，其中每个列从最大到最小排序，用于频率分析。由于每列的长度不同，因此会留下一些值，即0或NaN值

   08FB006 08FC001 08FC003 08FC005 08GD004
----------------------------------------------
0   253      872    256      11.80    2660
1   250      850    255      10.60    2510
2   246      850    241      10.30    2130
3   241      827    235      9.32     1970
4   241      821    229      9.17     1900
5   232       0     228      8.93     1840
6   231       0     225      8.05     1710
7   0         0     225       0       1610
8   0         0     224       0       1590
9   0         0      0        0       1590
10  0         0      0        0       1550

我需要执行以下计算，就好像每列有不同的长度或记录数（忽略零值）。我尝试过使用NaN，但由于某些原因，无法对NaN值进行操作

以下是我尝试对df列所做的操作：

shape_list1=[]
location_list1=[]
scale_list1=[]

for column in df.columns:
    shape1, location1, scale1=stats.genpareto.fit(df[column])

    shape_list1.append(shape1)
    location_list1.append(location1)
    scale_list1.append(scale1)

---

假设所有值均为正值（如您的示例和描述所示），请尝试：

这将过滤每一列，以便仅对正值进行操作。 或者，如果允许负值

stats.genpareto.fit(df[df[column] != 0][column])

---

语法很混乱，但会发生变化

shape1, location1, scale1=stats.genpareto.fit(df[column])

到

---

说明：

df[column].nonzero（）

返回一个大小为

（1，）

的元组，其唯一元素element

[0]

是一个numpy数组，该数组包含

df

为非零的索引标签。要通过这些非零标签索引

df[column]

，您可以使用

df[column][df[column].nonzero（）[0]]

，

谢谢您的解释：）@andersource的语法比我的干净多了！

shape1, location1, scale1=stats.genpareto.fit(df[column])

shape1, location1, scale1=stats.genpareto.fit(df[column][df[column].nonzero()[0]])