【Pandas】pandas DataFrame last_valid_index

Pandas2.2 DataFrame

Time Series-related

方法	描述
DataFrame.asfreq(freq[, method, how, …])	用于**将时间序列数据转换为指定频率（resample to frequency）**的方法
DataFrame.asof(where[, subset])	用于查找时间序列中最接近指定时间点的非 NaN 值的方法
DataFrame.shift([periods, freq, axis, …])	用于**将 DataFrame 的数据沿着指定轴移动（平移）**的方法
DataFrame.first_valid_index()	用于获取 DataFrame 中第一个非空（非 NaN）值所在的行索引的方法
DataFrame.last_valid_index()	用于获取 DataFrame 中最后一个非空（非 NaN）值所在的行索引的方法

pandas.DataFrame.last_valid_index()

pandas.DataFrame.last_valid_index() 是一个用于获取 DataFrame 中最后一个非空（非 NaN）值所在的行索引的方法。它与 .first_valid_index() 相对，常用于时间序列或一般数据中，查找最后一个有效观测值的位置。

---

📌 方法签名

DataFrame.last_valid_index()

---

🔧 参数说明：

• 无参数。

---

✅ 返回值

• 返回一个标量值，表示最后一个非空值所在的行索引；
• 如果整个 DataFrame 都是 NaN，则返回 None。

---

🧪 示例代码及结果

示例 1：基本用法

import pandas as pd
import numpy as npdf = pd.DataFrame({'A': [np.nan, np.nan, 3, 4, 5],'B': [np.nan, 2, np.nan, 4, 5],'C': [1, 2, 3, np.nan, np.nan]
})print("Original DataFrame:")
print(df)

输出：

     A    B    C
0  NaN  NaN  1.0
1  NaN  2.0  2.0
2  3.0  NaN  3.0
3  4.0  4.0  NaN
4  5.0  5.0  NaN

# 获取最后一个非空值的索引
result = df.last_valid_index()
print("\nLast valid index:", result)

输出：

Last valid index: 4

解释：列 'A' 和 'B' 在第 4 行仍有有效值，因此整体返回索引 4。

---

示例 2：每列的最后一个有效索引不同

df = pd.DataFrame({'A': [1, 2, 3, np.nan, np.nan],'B': [1, 2, np.nan, np.nan, np.nan],'C': [1, 2, 3, 4, np.nan]
})print("Original DataFrame:")
print(df)result = df.last_valid_index()
print("\nLast valid index:", result)

输出：

   A    B    C
0  1  1.0  1.0
1  2  2.0  2.0
2  3  NaN  3.0
3 NaN  NaN  4.0
4 NaN  NaN  NaNLast valid index: 3

虽然 'A' 和 'B' 在第 3 行之后就没有有效值了，但 'C' 在第 3 行仍有有效值，所以整体返回索引 3。

---

示例 3：所有值都是 NaN 的情况

df_all_nan = pd.DataFrame({'A': [np.nan, np.nan],'B': [np.nan, np.nan]
})result = df_all_nan.last_valid_index()
print("\nLast valid index when all are NaN:", result)

输出：

Last valid index when all are NaN: None

---

🧠 应用场景

场景	说明
时间序列分析	查找最晚的有效观测时间点
数据清洗	定位数据结束位置，去除尾部的空值
缺失值处理	确定最后一行有有效数据的位置
数据对齐	找出多个时间序列中最晚的数据终点
特征工程	判断某个变量何时停止记录

---

⚠️ 注意事项

• 返回的是行索引，不是具体的列名或位置；
• 只要某一行中任意一列有非空值，该行就被视为“有效”；
• 不会修改原始数据；
• 对于时间序列数据，返回的时间索引可以直接用于切片或筛选。

---

✅ 总结对比

方法	是否返回索引	是否考虑整行有效	是否支持时间索引
.last_valid_index()	✅	❌（只要有一列非空即可）	✅
.notna().iloc[::-1].idxmax()	✅	✅（可按列使用）	✅
.dropna().index[-1]	✅	✅（整行非空）	✅

---

如果你希望快速定位 DataFrame 中最后出现有效数据的行索引，.last_valid_index() 是非常简洁高效的选择。