如何在Python中按列求和至最后一个非0/非NaN行

完全可以用Python实现，以下是具体步骤和代码：

步骤1：创建有效数据掩码 #

先标记DataFrame中每个元素是否为非0且非NaN的有效数据：

mask = df.ne(0) & df.notna()

步骤2：获取每列最后一个有效行的索引 #

通过反转行顺序，找到每列最后一个有效数据的位置（原数据中的索引）：

last_valid_idx = mask.iloc[::-1].idxmax(axis=0)

注：iloc[::-1]反转行顺序后，idxmax会找到反转后第一个有效数据的位置，也就是原数据中最后一个有效行的索引。如果某列全是0或NaN，idxmax会返回该列的第一个索引，后续求和时会处理这种情况。

步骤3：计算每列的目标求和值 #

遍历每列，计算从开头到最后有效行的求和：

col_sums = {}
for col in df.columns:
    idx = last_valid_idx[col]
    # 检查该列是否有有效数据，没有则返回0
    if not mask[col].any():
        col_sums[col] = 0
    else:
        col_sums[col] = df[col].loc[:idx].sum()

或者用更简洁的apply方式：

def sum_to_last_valid(col):
    valid = col.ne(0) & col.notna()
    if not valid.any():
        return 0
    last_idx = valid.iloc[::-1].idxmax()
    return col.loc[:last_idx].sum()

col_sums = df.apply(sum_to_last_valid)

示例验证 #

假设你的数据和图中一致，比如size1最后一个非0非NaN的行是第5行，size2是第3行，运行上述代码后，col_sums会返回每列对应区间的求和结果。

内容的提问来源于stack exchange，提问作者sarahf