在熊猫数据帧的每列中查找第一个非零值

idxmax 它给你最大的第一个位置。但是,您需要找到“不等于零”的最大值。

df.ne(0).idxmax()

first     2
second    1
third     3
dtype: int64

我们可以把这个和 lookup 和 assign

df.ne(0).idxmax().to_frame('pos').assign(val=lambda d: df.lookup(d.pos, d.index))

        pos  val
first     2    4
second    1   10
third     3    3

相同的答案包装略有不同。

m = df.ne(0).idxmax()
pd.DataFrame(dict(pos=m, val=df.lookup(m, m.index)))

        pos  val
first     2    4
second    1   10
third     3    3

以下是长缠绕方式,如果非零值倾向于出现在大型数组的开头附近,则速度应该更快:

import pandas as pd

df = pd.DataFrame([[0, 0, 0],[0, 10, 0],[4, 0, 0],[1, 2, 3]],
                  columns=['first', 'second', 'third'])

res = [next(((j, i) for i, j in enumerate(df[col]) if j != 0), (0, 0)) for col in df]

df_res = pd.DataFrame(res, columns=['value', 'position'], index=df.columns)

print(df_res)

        value  position
first       4         2
second     10         1
third       3         3

我会用 stack ,索引用于行和列的编号。

df[df.eq(df.max(1),0)&df.ne(0)].stack()
Out[252]: 
1  second    10.0
2  first      4.0
3  third      3.0
dtype: float64