Pandas dataframe.first_valid_index()函数返回数据框架中第一个非NA/null值的索引。在Pandas Series的情况下,会返回第一个非NA/null的索引。在pandas Dataframe的情况下,将返回具有单个非NA/null值的索引。
注意:如果所有元素都是非NA/null,返回None。对于空的DataFrame也返回None。
语法:
DataFrame.first_valid_index()
返回 : 标量 : 索引的类型
示例#1:使用first_valid_index()函数来查找数据帧中第一个非NA/null的索引。
# 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 :
注意,在第一行的第二列有非纳值。所以输出为0,表明第0个索引包含一个非纳值。
示例#2:使用first_valid_index()函数查找数据帧中第一个非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 :
正如我们在数据框架中看到的,前两行只有NA值。因此,输出为2
例子#3:使用first_valid_index()函数来查找一个系列中的第一个非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 :
输出是2,因为第0和第1个索引是空值。