Python|熊猫 dataframe.first_valid_index()

Python是一种用于进行数据分析的出色语言，主要是因为以数据为中心的Python包的奇妙生态系统。 Pandas就是其中之一，它使导入和分析数据变得更加容易。

Pandas dataframe.first_valid_index()函数返回数据帧中第一个非 NA/null 值的索引。对于 Pandas 系列，返回第一个非 NA/null 索引。在 pandas Dataframe 的情况下，返回的索引甚至有一个非 NA/null 值。

注意：如果所有元素都是非 NA/null，则返回 None。也为空的 DataFrame 返回 None

Syntax: DataFrame.first_valid_index()
Returns : scalar : type of index

示例 #1：使用first_valid_index()函数查找数据帧中的第一个非 NA/null 索引。

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.DataFrame({"A":[None, None, 2, 4, 5], 
                   "B":[5, None, None, 44, 2],
                   "C":[None, None, None, 1, 5]})
  
# Print the dataframe
df

现在应用first_valid_index()函数。

# applying first_valid_index() function 
df.first_valid_index()

输出 ：

请注意，第一行的第二列中存在non-Na值。所以输出为 0，表示第 0 个索引包含non-NA值。示例 #2：使用first_valid_index()函数查找数据帧中的第一个非 NA/null 索引。

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.DataFrame({"A":[None, None, 2, 4, 5],
                   "B":[None, None, None, 44, 2],
                   "C":[None, None, None, 1, 5]})
  
# applying first_valid_index() function 
df.first_valid_index()

输出 ：

正如我们在数据框中看到的，前两行只有NA值。所以，输出是 2示例 #3：使用first_valid_index()函数查找系列中的第一个非 NA/null 索引。

# importing pandas as pd
import pandas as pd
  
# Creating the series
ser = pd.Series([None, None, "sam", "alex", "sophia", None])
  
# Print the series
ser

现在应用first_valid_index()函数。

# applying first_valid_index() function 
ser.first_valid_index()

输出 ：

输出为 2，因为第 0 和第 1 索引具有空值。