用 Pandas DataFrame 中最新的前一个正值替换负值

在数据科学工作中，我们经常会处理由负值和正值组成的 DataFrame。当处理这样的数据时，一些有用的信息可以从 DataFrame 中丢失。例如，如果我们有一个代表股票价格的 DataFrame，可能会发现一些负数的错误值，因为股票价格不能为负。解决这个问题的一种方法是对其进行数据清洗并使用最近的前一个正数值替换这些负数。

以下是用 Pandas DataFrame 中最新的前一个正值替换负值的代码片段。我们将使用 shift 函数来获取最新的前一个正数值，并将其分配给每个负数。

# 导入 Pandas
import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame({'value': [2, -3, 4, -1, 0, 5, -2, 8, 0, -4]})

# 找到 DataFrame 中的负值
mask = df['value'] < 0

# 将每个负数替换为其最近的前一个正数
df.loc[mask, 'value'] = df['value'].shift(1).where(df['value'].shift(1) > 0)

# 输出结果
print(df)

# 输出：

#    value
# 0    2.0
# 1    2.0
# 2    4.0
# 3    4.0
# 4    0.0
# 5    5.0
# 6    5.0
# 7    8.0
# 8    0.0
# 9    8.0

这里是代码的详细解释：

首先，我们创建一个示例 DataFrame，其中包含正数值、负数值和零值。然后我们使用比较运算符 < 和 where 函数来找到 DataFrame 中所有负值。接下来，我们使用 shift 函数来获取每个负数的前一个值。这些前一个值可能是正数值或零。最后，我们使用 loc 函数将前一个正数值分配给原来的负数值。

这是在 Python 中如何用 Pandas DataFrame 中最新的前一个正值替换负值的完整代码示例⬆️。