python - 删除满足条件的值加上 pandas DataFrame 中任意数量的下一个值

Question

所以我的最终目标是根据同一 DataFrame 的另一列上的某些条件删除 pandas DataFrame 的一列中的值，加上几个下一个值，例如:

import pandas as pd

df = pd.DataFrame({'a': [0, 0.5, 0.2, 0, 0, 0, 0, 0.2, 0, 0, 0, 0.1, 0,], 
                   'b': [0.1, -0.5, -0.3, None, 100., 0.2, 0.1, None, -0.3, -0.3, None, None, None]}, 
                   index=pd.date_range('2015/1/1', freq='D', periods=13))
df.loc[df['a'] > 0, 'b'] = None
print df

结果:

              a      b
2015-01-01  0.0    0.1
2015-01-02  0.5    NaN
2015-01-03  0.2    NaN
2015-01-04  0.0    NaN
2015-01-05  0.0  100.0
2015-01-06  0.0    0.2
2015-01-07  0.0    0.1
2015-01-08  0.2    NaN
2015-01-09  0.0   -0.3
2015-01-10  0.0   -0.3
2015-01-11  0.0    NaN
2015-01-12  0.1    NaN
2015-01-13  0.0    NaN

所以这会删除满足条件的记录，但是如何在满足条件后删除接下来的 3 条记录呢？我想要的输出看起来像这样:

              a      b
2015-01-01  0.0    0.1
2015-01-02  0.5    NaN
2015-01-03  0.2    NaN
2015-01-04  0.0    NaN
2015-01-05  0.0    NaN
2015-01-06  0.0    NaN
2015-01-07  0.0    0.1
2015-01-08  0.2    NaN
2015-01-09  0.0    NaN
2015-01-10  0.0    NaN
2015-01-11  0.0    NaN
2015-01-12  0.1    NaN
2015-01-13  0.0    NaN

请注意，可能存在连续的 a > 0。

[编辑]:我似乎找到了解决方案:

for pos, i in df.iterrows():
    if pd.isnull(i['a']):
        pass
    elif i['a'] > 0:
        df['b'].ix[pos:pos+3] = None
    else:
        pass

这相当慢。所以，欢迎任何建议。

Answer 1

我们可以使用 bool 条件索引使用loc对df进行切片，并设置以下值:

In [392]:
# take the first value of the index
idx = (df['a'] > 0).index[0]
idx

Out[392]:
Timestamp('2015-01-01 00:00:00', offset='D')

In [393]:
# we have to offset the range by 1 at begin and end points
df.loc[idx+1:idx+4,'b'] = None
df

Out[393]:
              a    b
2015-01-01  0.0  0.1
2015-01-02  0.5  NaN
2015-01-03  0.0  NaN
2015-01-04  0.0  NaN
2015-01-05  0.0  NaN

编辑

这是一种替代方法，扩展了适用于原始编辑数据的上述答案，新方法使用相同的原理，但我们必须从索引值构造一个时间戳，以便我们可以抵消它:

In [39]:


idx = df[df.a > 0].index
for index in idx:   
    df.loc[pd.Timestamp(index, offset='D'):pd.Timestamp(index, offset='D') + 3,'b']=None  
df
Out[39]:
              a    b
2015-01-01  0.0  0.1
2015-01-02  0.5  NaN
2015-01-03  0.2  NaN
2015-01-04  0.0  NaN
2015-01-05  0.0  NaN
2015-01-06  0.0  NaN
2015-01-07  0.0  0.1
2015-01-08  0.2  NaN
2015-01-09  0.0  NaN
2015-01-10  0.0  NaN
2015-01-11  0.0  NaN
2015-01-12  0.1  NaN
2015-01-13  0.0  NaN

然而，时间显示您的方法速度是原来的两倍，不清楚我的方法是否可以更好地扩展，因为这取决于数据的大小和分布。