Pandas如何过滤NaN值并保留连续非NaN分组的首个值

直接通过布尔掩码识别连续非NaN块的起始位置即可，3行代码就能实现，不需要写循环或者复杂分组逻辑：

# 假设你的Pandas Series对象名为s
# 1. 标记所有非NaN有效值的位置
not_na_mask = s.notna()
# 2. 定位每个连续非NaN块的第一个元素：当前位置是有效值，且前一个位置是NaN（含序列起始位置）
block_start_mask = not_na_mask & ~not_na_mask.shift(fill_value=False)
# 3. 筛选得到最终结果
result = s[block_start_mask]

逻辑说明 #

• s.notna()会返回和原序列等长的布尔序列，值为True的位置对应原数据里的非NaN有效值
• shift(fill_value=False)会把布尔序列整体向下偏移一位，序列首位填充False，取反后就能标记「前一位是NaN/当前是序列开头」的位置
• 两个条件做与运算，就能精准定位到每个被NaN隔开的连续有效值块的第一个元素，运行后得到的结果和你给出的预期完全一致：

27     357.0
247    357.0
304     58.0
334    237.0
dtype: float64

注：该逻辑严格以NaN作为分块分隔符，和块内的数值是否相同无关，如果后续需要额外按块内数值一致性再拆分块，在现有掩码基础上追加数值变化判断即可。

内容的提问来源于stack exchange，提问作者Winston