用pandas识别连续的NaN

Question

我正在读取一堆CSV文件（一段时间内水位的测量数据）以对它们进行各种分析和可视化。

由于无法控制的各种原因，这些时间序列通常缺少数据，因此我要做两件事：

我总共算他们

Rlength=len(RainD)   #counts everything, including NaN
Rcount=RainD.count() #counts only valid numbers
NaN_Number=Rlength-Rcount

如果我缺少的数据多于某个阈值，则丢弃数据集：

Percent_Data=Rlength/100
Five_Percent=Percent_Data*5
if NaN_Number > Five_Percent:
    ...

如果NaN的数量足够少，我想用

RainD.level=RainD.level.fillna(method='pad',limit=2)

现在要解决的是：它的月度数据，所以如果我连续有两个以上的NaN，我也想丢弃该数据，因为那将意味着我“猜测”了整个季节，甚至更多。

的文档fillna没有真正提到当连续的NaN超过我指定的数量时会发生什么limit=2，但是当我查看RainD.describe()前后...fillna...将其与基本CSV进行比较时，很明显它会填充前两个NaN，然后​​保留保持原样，而不是出错。

因此，长话短说：

如何在不存在一些复杂且耗时的非熊猫循环的情况下，识别出多个连续的带有熊猫的NaN？

Answer 1

您可以使用多个布尔条件来测试当前值和先前值是否为NaN：

In [3]:

df = pd.DataFrame({'a':[1,3,np.NaN, np.NaN, 4, np.NaN, 6,7,8]})
df
Out[3]:
    a
0   1
1   3
2 NaN
3 NaN
4   4
5 NaN
6   6
7   7
8   8
In [6]:

df[(df.a.isnull()) & (df.a.shift().isnull())]
Out[6]:
    a
3 NaN

如果要查找连续NaNs出现的位置，并且要查找两个以上的位置，可以执行以下操作：

In [38]:

df = pd.DataFrame({'a':[1,2,np.NaN, np.NaN, np.NaN, 6,7,8,9,10,np.NaN,np.NaN,13,14]})
df
Out[38]:
     a
0    1
1    2
2  NaN
3  NaN
4  NaN
5    6
6    7
7    8
8    9
9   10
10 NaN
11 NaN
12  13
13  14

In [41]:

df.a.isnull().astype(int).groupby(df.a.notnull().astype(int).cumsum()).sum()
Out[41]:
a
1    0
2    3
3    0
4    0
5    0
6    0
7    2
8    0
9    0
Name: a, dtype: int32