Python 如何以矢量化方式删除numpy中的na和计数值NxK数组

我的情况：我有一个pandas数据帧，因此，对于每一行，我必须计算以下内容

1） 获取排除的第一个值

na

（

df.apply（lambda x:x.dropna（）.iloc[0]）

）

2） 获取排除的最后一个值

na

（

df.apply（lambda x:x.dropna（）.iloc[-1]）

）

3） 计算非

na

值（

df.apply（lambda x:len（x.dropna（））

）

示例案例和预期输出：

x = np.array([[1,2,np.nan], [4,5,6], [np.nan, 8,9]])
1) [1, 4, 8]
2) [2, 6, 9]
3) [2, 3, 2]

我需要对其进行优化。因此，我转向

numpy

，并寻找一种方法，将y=

x[~numpy.isnan（x）]

应用于

NxK

数组作为第一步。然后，我将使用此处显示的（）用于1）和2），但对于3）我仍然空手而归-

In [756]: x
Out[756]: 
array([[  1.,   2.,  nan],
       [  4.,   5.,   6.],
       [ nan,   8.,   9.]])

In [768]: m = ~np.isnan(x)

In [769]: first_idx = m.argmax(1)

In [770]: last_idx = m.shape[1] - m[:,::-1].argmax(1) - 1

In [771]: x[np.arange(len(first_idx)), first_idx]
Out[771]: array([ 1.,  4.,  8.])

In [772]: x[np.arange(len(last_idx)), last_idx]
Out[772]: array([ 2.,  6.,  9.])

In [773]: m.sum(1)
Out[773]: array([2, 3, 2])

或者，我们可以使用

累积求和

来获得这些指数，如下所示-

In [787]: c = m.cumsum(1)

In [788]: first_idx = (c==1).argmax(1)

In [789]: last_idx = c.argmax(1)

---

添加一个示例案例？添加测试案例编辑到行而不是列中，因为查看我收集的示例。如果需要，请随时编辑/回滚。谢谢！谈到这些话题，你总是最棒的