如何基于条件删除DataFrame末尾的指定行？

针对你要保留中间voltage=0的行、只删除末尾连续voltage=0行的需求，给你几种实用的实现思路：

方法一：定位最后一个有效行，直接切片（最简洁高效） #

先找到最后一个voltage≠0的行索引，直接保留到该行即可，这种方法无需逐行操作，效率最高：

import pandas as pd

# 构造示例数据
data = {
    'voltage': [10, 12, 14, 0, 10, 12, 14, 0, 0],
    'Current': [0.8, 0.7, 0.6, -0.0001, 0.8, 0.7, 0.6, -0.0001, -0.0001]
}
df = pd.DataFrame(data)

# 获取所有voltage不为0的行的索引
non_zero_indices = df[df['voltage'] != 0].index
# 取最后一个有效索引
last_valid_idx = non_zero_indices[-1]
# 保留到该索引的所有行
df_trimmed = df.loc[:last_valid_idx]

方法二：while循环反向遍历（符合你最初的思路） #

从DataFrame末尾开始往上检查，直到找到voltage≠0的行，停止后截断数据：

trim_idx = len(df) - 1
# 从最后一行开始，遇到voltage=0就继续往上找
while trim_idx >= 0 and df.iloc[trim_idx]['voltage'] == 0:
    trim_idx -= 1
# 保留到trim_idx（包含）的所有行
df_trimmed = df.iloc[:trim_idx+1]

这种逻辑和你设想的完全一致，代码直观易懂，适合处理小数据集。

方法三：矢量化标记有效行（进阶高效写法） #

利用pandas的矢量化操作，从后往前标记需要保留的行，避免显式循环：

# 生成布尔数组：True表示voltage≠0
valid = df['voltage'] != 0
# 反转后累积求和（把连续的末尾0标记为False，前面的标记为True），再反转回来
valid = valid[::-1].cumsum().astype(bool)[::-1]
# 筛选有效行
df_trimmed = df[valid]

这种方法全程用pandas内置操作，没有显式循环，处理大数据集时效率优势明显。

内容的提问来源于stack exchange，提问作者pablitoo