Python 计算一行中连续缺失值的数量

我试图找到一种方法来计算从数据帧中随机删除的值的数量，以及一个接一个地随机删除的值的数量

到目前为止，我掌握的代码是：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

#Sampledata
x=[1,2,3,4,5,6,7,8,9,10]
y=[1,2,3,4,5,6,7,8,9,10]

df = pd.DataFrame({'col_1':y,'col_2':x})

drop_indices = np.random.choice(df.index, 5,replace=False )
df_subset = df.drop(drop_indices)

print(df_subset)
print(df)

从数据帧中随机删除5行，并作为输出：

  col_1  col_2
0      1      1
1      2      2
2      3      3
5      6      6
8      9      9
   col_1  col_2
0      1      1
1      2      2
2      3      3
3      4      4
4      5      5
5      6      6
6      7      7
7      8      8
8      9      9
9     10     10

我想将此转换为以下数据框：

  col_1 col_2 col_2 N_removedvalues   N_consecutive
0     1    1     1    0                 0
1     2    2     2    0                 0
2     3    3     3    0                 0
3     4    4          1                 1
4     5    5          2                 2
5     6    6     6    2                 0
6     7    7          3                 1
7     8    8          4                 2
8     9    9     9    4                 0
9     10   10         5                 1

res=df.merge（df_子集，on='col_1'，后缀=['''u 1'，''，how='left'）
res[“N_removedvalues”]=np.where（res['col_2'].isna（），res.groupby（res['col_2'].isna（））.cumcount（）.add（1），np.nan）
res[“N_removedvalues”]=res[“N_removedvalues”].ffill（）.fillna（0）
res['N_']=np.logical_和（res['col_2'].isna（），np.logical_或（~res['col_2'].shift（）.isna（），res.index==res.index[0]））
res.loc[np.logical_和（res['N_contracted']=0，res['col_2'].isna（）），'N_contracted']=np.nan
res['N_contracted']=res.groupby（'N_contracted'）['N_contracted'].cumsum（）.ffill（）
res.loc[res['N\u continuous'].gt（0），'N\u continuous']=res.loc[res['N\u continuous'].gt（0）].groupby（'N\u continuoused'）.cumcount（）。添加（1）

产出：

col_1 col_2_1 col_2 N_删除的值N_连续
0      1        1    1.0              0.0            0.0
1      2        2    2.0              0.0            0.0
2 3南1.0 1.0
3      4        4    4.0              1.0            0.0
45NAN2.01.0
56NAN3.02.0
6      7        7    7.0              3.0            0.0
7      8        8    8.0              3.0            0.0
899南4.01.0
9100 NaN 5.02.0