在存在NA時獲取最小項目的索引

Question

我需要獲取最小n項目的DataFrame的索引，而忽略NA。如果我沒有來港，我應該這樣做：

s = pd.Series([4,3,1,5,2], index=range(10,15)) 
idx = s.argsort()[:2] 
# check: 
s.iloc[idx] # [1, 2] as desired 

但在NA的存在，這是不行的：

s = pd.Series([None,3,1,5,2], index=range(10,15)) 
idx = s.argsort()[:2] 
# check: 
s.iloc[idx] # [2.0, 3.0] instead of [1.0, 2.0] 

這是因爲arg_sort（不像sort_values）簡單地完全跳過NA，並且不包括它們在計數中。有沒有像arg_sort那樣的功能，但將NA放在最後？或者，重寫上述代碼與NA一起工作的最佳方法是什麼？

我想我可以在每次執行此操作之前都會執行drop_na()，但是這將在數據框中爲多個列完成，因此對每個列再次傳遞似乎效率低下。

Answer 1

IIUC，您可以使用nsmallest，獲得對應最小值的所需量指數：

In [2]: s = pd.Series([4,3,1,5,2], index=range(10,15)) 

In [3]: a = s.nsmallest(2) 

In [4]: a 
Out[4]: 
12 1 
14 2 
dtype: int64 

In [5]: s = pd.Series([None,3,1,5,2], index=range(10,15)) 

In [6]: a = s.nsmallest(2) 

In [7]: a 
Out[7]: 
12 1.0 
14 2.0 
dtype: float64 

Answer 2

IIUC你可以使用sort_values：

s = pd.Series([None,3,1,5,2], index=range(10,15)) 

In [140]: s.sort_values()[:2] 
Out[140]: 
12 1.0 
14 2.0 
dtype: float64 

對於第一種情形

s = pd.Series([4,3,1,5,2], index=range(10,15)) 

In [142]: s.sort_values()[:2] 
Out[142]: 
12 1 
14 2 
dtype: int64 

時間：

In [143]: %timeit s.sort_values()[:2] 
1000 loops, best of 3: 349 µs per loop 

In [144]: %timeit s.nsmallest(2) 
1000 loops, best of 3: 370 µs per loop 

如果需要指數爲值，您可以使用index屬性：

In [145]: s.sort_values()[:2].index 
Out[145]: Int64Index([12, 14], dtype='int64') 

編輯

對於大系列nsmallest工作速度快：

s = pd.Series(np.random.random(size=100000)) 

In [16]: %timeit s.nsmallest(2) 
100 loops, best of 3: 2.5 ms per loop 

In [17]: %timeit s.sort_values()[:2] 
100 loops, best of 3: 12.4 ms per loop