如何将DataFrame划分为无缺失值且索引连续的子DataFrame？

代码实现 #

定义一个函数提取DataFrame中连续非缺失值的子块：

import pandas as pd

def extract_non_na_blocks(df):
    # 标记所有非缺失值的行
    non_na_rows = df['Value'].notna()
    # 为连续的非缺失值块分配唯一组ID
    block_group_ids = df['Value'].isna().cumsum()[non_na_rows]
    # 按组ID拆分，提取每个非缺失值子块
    return [df.loc[non_na_rows & (block_group_ids == group_id)] 
            for group_id in block_group_ids.unique()]

使用示例 #

1. 构造目标原始DataFrame：

df = pd.DataFrame({
    'Value': ['A', 'B', pd.NA, pd.NA, 'C', pd.NA]
})

2. 调用函数获取子DataFrame：

# 获取两个子块
first_block, second_block = extract_non_na_blocks(df)

# 查看第一个子块
print(first_block)
# 输出结果：
#   Value
#0    'A'
#1    'B'

# 查看第二个子块
print(second_block)
# 输出结果：
#   Value
#4    'C'

逻辑说明 #

• 用notna()筛选出所有非缺失值的行；
• 通过isna().cumsum()给每个缺失值位置递增计数，让连续的非缺失值归为同一组；
• 遍历每个唯一组ID，筛选对应行得到独立的子DataFrame。

内容的提问来源于stack exchange，提问作者Lay González