如何移除DataFrame末尾值为0的行（保留中间0值行）

需求说明 #

给定包含Datetime和Value列的DataFrame，已通过小时级时间索引填充缺失值为0，现在需要：

• 仅移除末尾连续值为0的行，中间值为0的行保留
• 若最后一行值不为0，则不做任何处理

解决方案1：定位最后一个非0行索引 #

先找到最后一个Value不为0的行的索引，再截取到该行即可：

import pandas as pd

# 构造示例DataFrame
data = {
    'Datetime': pd.date_range(start='2024-01-01 00:00', periods=10, freq='H'),
    'Value': [1, 0, 3, 0, 5, 0, 0, 0, 0, 0]
}
df = pd.DataFrame(data)

# 获取最后一个非0行的索引
non_zero_rows = df[df['Value'] != 0]
if not non_zero_rows.empty:
    last_non_zero_idx = non_zero_rows.index[-1]
    df_cleaned = df.loc[:last_non_zero_idx]
else:
    # 所有行都是0的情况，保留全部行
    df_cleaned = df.copy()

逻辑说明

1. 筛选出所有Value不为0的行，若存在这样的行，取其最后一个索引
2. 使用loc[:last_non_zero_idx]截取从开头到该索引的所有行，自动剔除末尾的连续0行
3. 若所有行都是0，直接保留原DataFrame（可根据需求调整）

解决方案2：反向累积标记法（更简洁） #

利用反向累积最大值生成保留标记，无需手动定位索引：

# 生成保留标记：从末尾开始，只要出现过非0值，该行及之前的行都标记为True
mask = df['Value'][::-1].cummax().astype(bool)[::-1]

# 处理全0的特殊情况
if not mask.any():
    df_cleaned = df.copy()
else:
    df_cleaned = df[mask]

逻辑说明

1. 将Value列反转后，用cummax()计算累积最大值：只要遇到非0值，后续（原数据的前序行）的累积最大值都会是非0
2. 将累积结果转为布尔值，再反转回原顺序，得到的mask就是所有需要保留的行的标记
3. 若mask全为False（所有值都是0），则保留原DataFrame

测试验证 #

• 当最后一行Value不为0时，两种方案都会返回原DataFrame，符合需求
• 当存在多个末尾连续0行时，会精准剔除这些行，中间的0行完全保留

内容的提问来源于stack exchange，提问作者SM079