Python DataFrame-查找值可用的最早日期

我有一个包含2个时间序列的

pandas.DataFrame

对象。一个系列比另一个短得多

我想确定最短系列中数据可用的较远日期，并删除该日期之前2列中的数据

做这件事最像蟒蛇的方式是什么

（很抱歉，我没有真正遵守SO提交问题的指导原则）

以下是我的数据帧的一个片段：

            osr       go
Date        
1990-08-17  NaN     239.75
1990-08-20  NaN     251.50
1990-08-21  352.00  265.00
1990-08-22  353.25  274.25
1990-08-23  351.75  290.25

---

在这种情况下，我想去掉1990-08-21之前的所有行（我添加了最近日期的某列中可能有NAs）

编辑：基于评论/编辑的新答案

听起来数据是连续的，一旦你有了没有数据的行，你就想把它们扔掉。这可以很容易地用

这个答案假设一旦你通过了坏行，它们就会保持良好状态。或者，如果你不关心在中间抛出行…取决于你需要的顺序。如果数据需要顺序，并且您的输入是格式良好的jezrael，那么答案是好的

原始答案

您在这里没有给出太多关于数据帧结构的信息，所以我将在这里进行假设。我假设您有很多列，其中两列：

time\u series\u 1

和

time\u series\u 2

是您在问题中提到的，这些都存储在

df

首先，我们可以通过使用

shorter_col = df['time_series_1'] if len(df['time_series_1']) > len(df['time_series_2']) else df['time_series_2']

现在我们要最后一次约会

remove_date = max(shorter_col)

现在，我们希望在该日期之前删除数据

mask = (df['time_series_1'] > remove_date) | (df['time_series_2'] > remove_date)
df = df[mask]

您可以通过

df['osr'][：：-1]

在倒置的

s

中使用，然后使用

df

的子集：

print df
#               osr      go
#Date                      
#1990-08-17     NaN  239.75
#1990-08-20     NaN  251.50
#1990-08-21  352.00  265.00
#1990-08-22  353.25  274.25
#1990-08-23  351.75  290.25

s = df['osr'][::-1]
print s
#Date
#1990-08-23    351.75
#1990-08-22    353.25
#1990-08-21    352.00
#1990-08-20       NaN
#1990-08-17       NaN
#Name: osr, dtype: float64

maxnull = s.isnull().idxmax()
print maxnull
#1990-08-20 00:00:00

print df[df.index > maxnull]
#               osr      go
#Date                      
#1990-08-21  352.00  265.00
#1990-08-22  353.25  274.25
#1990-08-23  351.75  290.25

---

@edouard在您的编辑中看起来只有一个时间序列，您有两个不同的数据帧吗？每个按时间索引？有两列“osr”和“go”与同一时间对齐index@edouard现在我想我明白你的问题了，答案已经更新了

print df
#               osr      go
#Date                      
#1990-08-17     NaN  239.75
#1990-08-20     NaN  251.50
#1990-08-21  352.00  265.00
#1990-08-22  353.25  274.25
#1990-08-23  351.75  290.25

s = df['osr'][::-1]
print s
#Date
#1990-08-23    351.75
#1990-08-22    353.25
#1990-08-21    352.00
#1990-08-20       NaN
#1990-08-17       NaN
#Name: osr, dtype: float64

maxnull = s.isnull().idxmax()
print maxnull
#1990-08-20 00:00:00

print df[df.index > maxnull]
#               osr      go
#Date                      
#1990-08-21  352.00  265.00
#1990-08-22  353.25  274.25
#1990-08-23  351.75  290.25