pandas截取一列数据里所有连续非0的数据片段

可以使用 pandas 中的 groupby() 方法和 cumsum() 方法来截取一列数据里所有连续非0的数据片段，具体步骤如下：

1. 假设我们有一个名为 data 的 DataFrame，其中有一列名为 'col_name'，我们要截取这一列中所有连续非0的数据片段。

2. 首先将该列进行分组，将连续的非0数据分为一组。代码如下：

group = (data['col_name'] != 0).cumsum()

3. 接着，使用 groupby() 方法按照分组后的组别进行分组，然后用 apply() 方法对每一组数据进行处理。apply() 方法中传入的函数，用于对每一组数据进行处理，我们可以使用 lambda 表达式来实现。代码如下：

result = data.groupby(group).apply(lambda x: x[x['col_name'] != 0])

这样，我们就可以得到一个新的 DataFrame，其中包含了所有连续非0的数据片段。

相关问题

pandas去除一列中值为0的数据

你可以使用Pandas的DataFrame对象的`boolean indexing`来实现这个功能。首先你需要选择出那一列的数据，然后判断该数据是否不等于0，最后将符合条件的数据组成一个新的DataFrame对象。

下面是一个示例代码：

import pandas as pd

# 创建一个示例数据
df = pd.DataFrame({'col1': [1, 2, 3, 0, 4],
                   'col2': [5, 6, 0, 8, 9]})

# 选择col1列的数据
col1 = df['col1']

# 判断col1不等于0
condition = col1 != 0

# 符合条件的数据组成一个新的DataFrame对象
result = df[condition]

现在，`result`变量中就是去除了`col1`列中值为0的数据的新DataFrame对象了。

pandas 如何修改一列里面的数据

你可以使用 loc 方法来选择该列，并使用赋值操作修改该列的数据。例如，如果你要将名为 column_name 的列中所有值为 old_value 的值修改为 new_value，你可以使用以下代码：

import pandas as pd

# 创建一个示例数据集
df = pd.DataFrame({'column_name': ['old_value', 'new_value', 'old_value']})

# 使用 loc 方法选择该列并对其进行修改
df.loc[df['column_name'] == 'old_value', 'column_name'] = 'new_value'

# 打印修改后的结果
print(df)

输出结果为：

  column_name
0   new_value
1   new_value
2   new_value