Python 如何在数据帧中只记录非零值并替换O'；s与NA'；s

如何记录数据帧中的非零值并用NA替换0

我的数据框架如下所示：

     time                 y1  y2
0    2017-08-06 00:52:00   0   10
1    2017-08-06 00:52:10   1   20
2    2017-08-06 00:52:20   2   0
3    2017-08-06 00:52:30   3   0
4    2017-08-06 00:52:40   0   5
5    2017-08-06 00:52:50   4   6
6    2017-08-06 00:53:00   6   11
7    2017-08-06 00:53:10   7   12
8    2017-08-06 00:53:20   8   0
9    2017-08-06 00:53:30   0   13

我想获取除第一列时间之外的所有列的日志，日志应该只计算非零值，并且零应该替换为NA？我该怎么做

所以，我试着这样做：

cols = df.columns.difference(['time'])
# Replacing O's with NA's using below:

df[cols] = df[cols].mask(np.isclose(df[cols].values, 0), np.nan)

df[cols] = np.log(df[cols]) # but this will try take log of NA's also.

请帮忙

---

输出应为具有相同时间列的dataframe，所有零均替换为NA，且除第1列外，所有列的剩余值的日志等效值均为NA。

如果我理解正确，您只需将零替换为

np.nan

，然后直接调用

np.log

——它可以忽略

nan

值

np.log(df[['y1', 'y2']].replace(0, np.nan))

示例

>>> df = pd.DataFrame({'time': pd.date_range('20170101', '20170110'), 
                       'y1' : np.random.randint(0, 3, 10), 
                       'y2': np.random.randint(0, 3, 10)})

>>> df 
        time  y1  y2
0 2017-01-01   1   2
1 2017-01-02   0   1
2 2017-01-03   2   0
3 2017-01-04   0   1
4 2017-01-05   1   0
5 2017-01-06   1   1
6 2017-01-07   2   0
7 2017-01-08   1   0
8 2017-01-09   0   1
9 2017-01-10   2   1

>>> df[['log_y1', 'log_y2']] = np.log(df[['y1', 'y2']].replace(0, np.nan))

>>> df
        time  y1  y2    log_y1    log_y2
0 2017-01-01   1   2  0.000000  0.693147
1 2017-01-02   0   1       NaN  0.000000
2 2017-01-03   2   0  0.693147       NaN
3 2017-01-04   0   1       NaN  0.000000
4 2017-01-05   1   0  0.000000       NaN
5 2017-01-06   1   1  0.000000  0.000000
6 2017-01-07   2   0  0.693147       NaN
7 2017-01-08   1   0  0.000000       NaN
8 2017-01-09   0   1       NaN  0.000000
9 2017-01-10   2   1  0.693147  0.000000

---

你能把你期望的作为输出吗？