如何按条件填充Pandas DataFrame：行中出现0.00后后续值置0

问题描述 #

现有如下DataFrame：

需求：若某行中出现0.00，将该行从第一个0.00出现的位置到末尾的所有值置为0.00，处理后结果如下：

可行代码实现 #

利用Pandas向量化操作，无需循环即可高效完成需求：

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame([
    [0.32, 0.40, 0.60, 1.20, 3.40, 0.00],
    [0.17, 0.12, 0.00, 1.30, 2.42, 0.00],
    [0.31, 0.90, 0.80, 1.24, 4.35, 0.00],
    [0.39, 0.00, 0.90, 1.50, 1.40, 0.00]
])

# 生成掩码：标记哪些位置需要保留原值
mask = df.ne(0).astype(int).cumprod(axis=1)
# 掩码与原数据相乘，得到目标结果
result = df * mask

print(result)

代码逻辑说明 #

1. df.ne(0)：判断每个元素是否非0，返回布尔值DataFrame
2. .astype(int)：将布尔值转为整数（True→1，False→0）
3. .cumprod(axis=1)：对每行做累积乘积，第一个0出现的位置及之后的所有值都会变为0（0乘以任何数都是0）
4. 原DataFrame与掩码相乘，保留第一个0之前的原值，之后的全部置0

原代码问题分析 #

你之前尝试的循环代码存在逻辑缺陷：

• 仅通过前一列是否为0来设置当前列，没有覆盖“第一个0之后所有列都置0”的需求
• 循环范围range(1,T-1)未处理完整的行和列，无法实现全局条件判断

内容的提问来源于stack exchange，提问作者Boom