我有一个包含许多列的 df，这些列代表组成索引的公司的市值。数据框的索引是日期。公司在进入指数之前或离开指数之后，df 中公司的市值为零。
我想知道指数不变的平均天数。
例如：
[in]:
df = pd.DataFrame(np.array([[1, 1,np.nan], [np.nan,2, 10], [1,3, 100],[4,np.nan, 100]]),
columns=['a', 'b','c'])
df
[out]:
a b c
0 1.0 1.0 NaN
1 NaN 2.0 10.0
2 1.0 3.0 100.0
3 4.0 NaN 100.0
我想知道的是有多少行有来自同一列的条目。
例如，第 0 行包含来自列 a 和 b 的条目。b 和 c 列的第 1 行。a、b 和 c 列的第 2 行。a 和 c 列的第 3 行。因此有 4 行具有唯一的列组合和 4 个更改。那么平均值为1。
通过构建一个值是否存在的元组nan，您可以构建每个唯一值，例如：
def get_average_run_length(a_df):
unique_run_lengths = set(
tuple(not np.isnan(x) for x in row[1]) for row in df.iterrows())
return len(a_df) / len(unique_run_lengths)
df = pd.DataFrame(
[[1, 1, np.nan], [np.nan, 2, 10], [1, 3, 100], [4, np.nan, 100]],
columns=list('abc'))
print(df)
print(get_average_run_length(df))
# double the last row
df = pd.concat([df, df.tail(1)])
print(df)
print(get_average_run_length(df))
a b c
0 1.0 1.0 NaN
1 NaN 2.0 10.0
2 1.0 3.0 100.0
3 4.0 NaN 100.0
1.0
a b c
0 1.0 1.0 NaN
1 NaN 2.0 10.0
2 1.0 3.0 100.0
3 4.0 NaN 100.0
3 4.0 NaN 100.0
1.25
我不完全确定我是否正确理解了您的问题。对于以下数据框，您想要什么结果：2/5因为 5 行中有 2 个不同的 NaN 组合，或者4/5因为 5 行中的索引组合有 4 次更改？
a b
0 1 NaN
1 NaN 2
2 3 NaN
3 NaN 4
4 5 NaN
Stephen Rauch 的回答涵盖了第一种情况。这个应该涵盖第二个：
import numpy as np
import pandas as pd
df = pd.DataFrame(np.array([[1, 2, np.nan],
[3, 4, np.nan],
[6, np.nan, 7],
[8, np.nan, np.nan]]))
df_na = np.array(df.isna()[:-1])
df_na_shifted = np.array(df.isna()[1:])
number_of_good_cols = (df_na == df_na_shifted).sum(axis=1)
number_of_good_rows = sum(number_of_good_cols == df.shape[1])
print('The index changed on %d days.' % (df.shape[0] - 1 - number_of_good_rows))