Python 如何从另一个仅包含最后一个非负值的数据帧创建数据帧？

我有一个多索引数据帧，如下所示：

          year  value  some_other_column_i_dont_care_about
 one two     
 a   t     2000     0   aaa
     w     2001     3   bbb
     t     2002    -2   ccc
 b   t     2000     4   ddd
     w     2001     7   eee    
     t     2002    -8   fff
 c   t     2000    11   ggg
     w     2001   -12   hhh
     t     2002   -15   iii 

我如何创建一个新的单级df，它只有最近（以年为单位）的非负值，如下所示：

          year   value
 one    
 a        2001     3
 b        2001     7
 c        2000    11 

---

为大于或等于0的值创建布尔索引，然后使用：

如果年份不保证按升序排序，则以

new_df

：

     year  value
one             
a    2001      3
b    2001      7
c    2000     11

---

完整的工作示例：

import pandas as pd

df = pd.DataFrame({
    'one': ['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c'],
    'two': ['t', 'w', 't', 't', 'w', 't', 't', 'w', 't'],
    'year': [2000, 2001, 2002, 2000, 2001, 2002, 2000, 2001, 2002],
    'value': [0, 3, -2, 4, 7, -8, 11, -12, -15]
}).set_index(['one', 'two'])

m = df['value'].ge(0)
new_df = df[m].groupby(level=0).last()

print(new_df)

---

我改变了问题的措辞，希望能让问题更清楚。“最新”是什么意思只需执行

df1=df.loc[（df['value']>0）和（df['Year']>2000）]

或

df1=df.loc[df['value']>0]

，然后

df1.按年份排序值（'Year'）

！如果我有几个值列，即value1、value2、value3，我可以一次对多个列执行此操作吗。。。等等？比如，这是否有效：m=df[['value'，'value1'，'value2']].ge（0）new_df=df[m].groupby（level=0）.last（）我是说，是吗？这在某种程度上取决于您一次对多个列执行此操作的意思。你可以在面具上添加任何你想要的条件，它就会起作用。例如，如果您想要最后一行，其中value1为正，value2为正

m=df['value1'].ge（0）&df['value2'].ge（0）

可以工作。不，您必须使用一些额外的布尔逻辑。上面列出的

&

或

m=df[['value1'，'value2']].ge（0）。所有（axis=1）

都应该可以工作。如果我希望每个值列的最新非负值独立于其他值列，该怎么办？这是我的目标。。。。

     year  value
one             
a    2001      3
b    2001      7
c    2000     11

import pandas as pd

df = pd.DataFrame({
    'one': ['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c'],
    'two': ['t', 'w', 't', 't', 'w', 't', 't', 'w', 't'],
    'year': [2000, 2001, 2002, 2000, 2001, 2002, 2000, 2001, 2002],
    'value': [0, 3, -2, 4, 7, -8, 11, -12, -15]
}).set_index(['one', 'two'])

m = df['value'].ge(0)
new_df = df[m].groupby(level=0).last()

print(new_df)