如何获取列为日期的Pandas DataFrame每行最后非NaN值？

没问题，这个需求在Pandas里有几种实用的解决办法，我结合你的场景（存在日期列，每行对应独立时间序列）给你详细拆解：

核心思路 #

我们需要针对每行，从右往左定位第一个非NaN的数值。首先要注意先排除日期列，只处理时间序列的数值列。

方法一：向量化操作（推荐大数据量） #

这种方法效率最高，用向量化方式处理，避免逐行循环带来的性能损耗：

import pandas as pd
import numpy as np

# 先构造一个示例DataFrame模拟你的数据结构
df = pd.DataFrame({
    '日期': ['2023-01-01', '2023-01-02', '2023-01-03'],
    '时段1': [12, np.nan, 34],
    '时段2': [23, 45, np.nan],
    '时段3': [np.nan, 56, 67]
})

# 1. 提取数值列（排除日期列）
numeric_df = df.drop('日期', axis=1)

# 2. 反转列顺序 → 从左到右填充NaN（等价于原行从右到左找第一个非NaN）→ 取第一列即为目标值
last_non_nan_values = numeric_df.iloc[:, ::-1].bfill(axis=1).iloc[:, 0]

# 3. 将结果与日期列合并成新的DataFrame
result_df = df[['日期']].assign(最后一个非NaN值=last_non_nan_values)
print(result_df)

运行后输出：

日期  最后一个非NaN值
0  2023-01-01        23.0
1  2023-01-02        56.0
2  2023-01-03        67.0

方法二：apply逐行处理（小数据量友好，代码直观） #

如果你的数据量不大，用apply写起来更直观，逻辑一目了然：

# 同样先提取数值列
numeric_df = df.drop('日期', axis=1)

# 逐行处理：删除NaN后取最后一个值，若整行都是NaN则返回NaN
last_non_nan_values = numeric_df.apply(
    lambda row: row.dropna().iloc[-1] if not row.dropna().empty else np.nan,
    axis=1
)

# 合并结果
result_df = df[['日期']].assign(最后一个非NaN值=last_non_nan_values)

注意点 #

• 如果某一行的数值列全是NaN，两种方法都会返回NaN，你可以根据需求用fillna()替换成默认值（比如0）。
• 确保日期列是唯一的非数值列，如果还有其他非数值列，需要一并排除在numeric_df之外。

内容的提问来源于stack exchange，提问作者Mustard Tiger