当然可以实现你的需求！针对你描述的DataFrame特征——数值先下降、持续为0一段时间、再进入上升周期，我给你两种简洁的实现思路，都能精准保留前两个阶段，去掉后面的上升数据。

方法一：定位最后一个0值的位置，直接截断数据 #

这完全贴合你“找到最后一个值为0的位置，删除该位置之后所有数据”的想法，步骤很清晰：

1. 先加载你的示例数据：

import pandas as pd
data = { "Period_index": [1,2,3,4,5,6,7,8,9,10], "Value": [9,7,3,0,0,0,0,2,4,6] }
df = pd.DataFrame(data)

2. 找到最后一次出现0值的行索引：

last_zero_idx = df[df['Value'] == 0].index[-1]

3. 截取该行及之前的所有数据：

filtered_df = df.loc[:last_zero_idx]

运行后，filtered_df就只保留了下降和0值阶段的数据：

方法二：先检测0值存在性，再过滤数据 #

如果担心你的DataFrame可能不存在0值的情况，可以加个判断逻辑，让代码更健壮：

# 检查是否存在0值
if (df['Value'] == 0).any():
    # 获取最后一个0值的索引
    last_zero_idx = df[df['Value'] == 0].index[-1]
    # 筛选出索引不超过该位置的所有行
    filtered_df = df[df.index <= last_zero_idx]
else:
    # 没有0值时，保留原数据（你也可以根据需求修改这里的逻辑）
    filtered_df = df.copy()

额外提示 #

如果你的DataFrame不是按Period_index排序的，建议先排序再处理，避免截断逻辑出错：

df = df.sort_values('Period_index').reset_index(drop=True)

内容的提问来源于stack exchange，提问作者Mel