如何用Pandas风格方法获取DataFrame每列首个非零元素的值与索引

嘿，这有个非常贴合Pandas原生风格的简洁解法，完美匹配你的需求！

首先先确认你的示例数据：

import pandas as pd
df = pd.DataFrame([[0, 0, 0], [0, 10, 0], [4, 0, 0], [1, 2, 3]], columns=['first', 'second', 'third'])

输出的原始DataFrame是：

first  second  third
0      0       0      0
1      0      10      0
2      4       0      0
3      1       2      3

接下来用一行核心代码就能搞定，思路是对每一列筛选非零元素后，提取首个值和对应索引：

# 生成目标结果DataFrame
result = df.agg(
    lambda col: pd.Series(
        [col[col != 0].iloc[0], col[col != 0].index[0]] if not col[col != 0].empty else [pd.NA, pd.NA],
        index=['value', 'pos']
    )
).T

print(result)

运行后输出结果（注：你的期望示例中third列的首个非零元素应该是3而非1，大概率是笔误哦）：

value  pos
first       4    2
second     10    1
third       3    3

代码细节解释 #

• df.agg(...)：对DataFrame的每一列执行自定义聚合操作
• col[col != 0]：筛选当前列的所有非零元素，得到仅包含非零值的子Series
• .iloc[0]：取子Series的第一个元素（也就是从上到下的首个非零值）
• .index[0]：取该元素对应的行索引
• pd.Series(..., index=['value', 'pos'])：将值和索引打包成带列名的Series，方便后续整理格式
• .T：转置结果，让原DataFrame的列名成为新结果的行索引，完全匹配你想要的输出结构
• 额外处理了全零列的边界情况，这类列会返回pd.NA，避免代码报错

如果你的数据中不存在全零列，还可以简化成更紧凑的版本：

result = df.agg(lambda col: pd.Series([col[col!=0].iloc[0], col[col!=0].index[0]], index=['value','pos'])).T

内容的提问来源于stack exchange，提问作者Konstantin