Python Pandas dataframe.first_valid_index()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，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。