我有一个数据框,其中第一列包含日期,其他列包含这些日期上的数据:
date k1-v1 k1-v2 k2-v1 k2-v2 k1k3-v1 k1k3-v2 k4-v1 k4-v2
0 2021-01-05 2.0 7.0 NaN NaN NaN NaN 9.0 6.0
1 2021-01-31 NaN NaN 8.0 5.0 NaN NaN 7.0 6.0
2 2021-02-15 9.0 5.0 NaN 3.0 4.0 NaN NaN NaN
3 2021-02-28 NaN 9.0 0.0 1.0 NaN NaN 8.0 8.0
4 2021-03-20 7.0 NaN NaN NaN NaN NaN NaN NaN
5 2021-03-31 NaN NaN 8.0 NaN 3.0 NaN 8.0 0.0
6 2021-04-10 NaN NaN 7.0 6.0 NaN NaN NaN 9.0
7 2021-04-30 NaN 6.0 NaN NaN NaN NaN 1.0 NaN
8 2021-05-14 8.0 NaN 3.0 3.0 4.0 NaN NaN NaN
9 2021-05-31 NaN NaN 2.0 1.0 NaN NaN NaN NaN
列总是成对出现:
(
k1-v1
,
k1-v2
)
;(
k2-v1
,
k2-v2
)
;(
k1k3-v1
,
k1k3-v2
)
等N个对。但是这些列并不总是按照特定的顺序排列。因此,k1-v1 不一定仅跟随着 k1-v2,在数据框中还将存在某个位置上的k1-v2 列。为了简化,我将它们并排展示。我需要找到每对列中最后一个有效数据日期,并将其汇总如下:
keys v1-last v2-last
0 k1 2021-05-14 2021-04-30
1 k2 2021-05-31 2021-05-31
2 k1k3 2021-05-14 NaN
3 k4 2021-04-30 2021-04-10
因此,对于 (
k1-v1
)
,最后一个有效数据是 8.0
,日期为 2021-05-14
;对于 (
k2-v2
)
,其最后一个有效数据为 6.0
,日期为 2021-04-30
。上述数据框中的列 v1-last
和 v2-last
将相应地填充给 k1,其他类似。
目前我正在按照下面的方式操作,但对于较大的数据集来说并不是很高效:
df.set_index('date', inplace=True)
unique_cols = set([col[0] for col in df.columns.str.split('-')])
summarized_data = []
for col in unique_cols:
pair_df = df.loc[:,[col+'-v1',col+'-v2']].dropna(how='all')
v1_last_valid = pair_df.iloc[:,0].last_valid_index()
v2_last_valid = pair_df.iloc[:,1].last_valid_index()
summarized_data.append([col, v1_last_valid, v2_last_valid])
summarized_df = pd.DataFrame(summarized_data, columns=['keys','v1-last','v2-last'])
目前这种方法可以得到预期的结果,但是在处理大型数据集时需要耗费相当长的时间。是否可以避免循环,并以不同而高效的方式完成此任务?