每行计算最后一个非零值后面的零的数量。

Question

我有以下数据帧：

index	jan	feb	marc	april
One	1	7	0	0
two	0	8	7	0
three	0	0	0	1

我想要获取每行最后一个非零值后面的零的数量。因此输出应该如下所示：

索引	数字
一	2
二	1
三	0

- lakadibo

Answer 1

import pandas as pd

# Dataframe
data = {
    'jan': [1, 0, 0],
    'feb': [7, 8, 0],
    'marc': [0, 7, 0],
    'april': [0, 0, 1]
}
df = pd.DataFrame(data, index=['One', 'two', 'three'])

# Calculate the number of zeros after the last non-zero value per index/row
num_zeros = df.ne(0).iloc[:, ::-1].cumsum(axis=1).eq(0).sum(axis=1)

# Result dataframe
result = pd.DataFrame({'num': num_zeros}, index=df.index)

print("DataFrame:")
print(df)
print("\nResult:")
print(result)

计算零的数量 (df.ne(0).iloc[:, ::-1].cumsum(axis=1).eq(0).sum(axis=1)):

• 使用ne方法检查与零的不等式 (df.ne(0))
• 沿着列的反向顺序执行累积和 (iloc[:, ::-1].cumsum(axis=1))，以获取最后一个非零值之后的非零值的二进制表示
• 检查累积乘积是否等于零 (eq(0)) 并沿着行求和 (sum(axis=1)) 以获取计数

输出:

DataFrame:
       jan  feb  marc  april
One      1    7     0      0
two      0    8     7      0
three    0    0     0      1

Result:
       num
One      2
two      1
three    0

- BrJ

Answer 2

与@BrJ的逻辑类似，但我认为更加直接。

使用反转的cummin将所有False之前的True设置为False，然后使用sum：

out = (df.loc[:,::-1].eq(0)
         .cummin(axis=1).sum(axis=1)
         .to_frame('num')
       )

输出：

       num
One      2
two      1
three    0

中级：

# boolean mask (0s are True)
         jan    feb   marc  april
One    False  False   True   True
two     True  False  False   True
three   True   True   True  False

# after reversed cummin (and reversed again for clarity)
# all True that preceded a False are now False
         jan    feb   marc  april
One    False  False   True   True
two    False  False  False   True
three  False  False  False  False

- mozway