如何让Pandas DataFrame连续0值时pct_change返回0而非NaN

可以用Pandas的向量化操作实现，完全不需要循环：

1. 先构造示例DataFrame（模拟包含原始NaN和连续0的场景）：

import pandas as pd
df = pd.DataFrame({'col': [0, 0, 5, 5, None, 0, 0]})

2. 计算原始百分比变化：

pct_result = df['col'].pct_change()

3. 创建布尔掩码，定位当前行和上一行都是0的位置：

mask = (df['col'] == 0) & (df['col'].shift(1) == 0)

4. 将掩码匹配到的位置的NaN替换为0，其他NaN保持不变：

pct_result = pct_result.mask(mask, 0)

最终得到的pct_result结果如下：

0    NaN
1    0.0
2    inf
3    0.0
4    NaN
5    NaN
6    0.0
Name: col, dtype: float64

这个方法完全遵循Pandas的向量化操作风格，效率远高于循环，同时精准处理了连续0的场景，不会误改原始数据中的其他NaN。

内容的提问来源于stack exchange，提问作者John Glen