3

我正在尝试在熊猫数据框中的给定不确定性范围内搜索匹配值。例如，如果我有一个数据框：

    A     B        C
0   12  12.6    111.20
1   14  23.4    112.20
2   16  45.6    112.30
3   18  56.6    112.40
4   27  34.5    121.60
5   29  65.2    223.23
6   34  45.5    654.50
7   44  65.6    343.50

如何搜索与 112.6 +/-0.4 匹配的值，而无需创建冗长且困难的标准，例如：

TargetVal_Max= 112.6+0.4
TargetVal_Min= 112.6-0.4

基本上，我想创建一个“缓冲窗口”，允许返回与窗口匹配的所有值。我有不确定性包，但还没有让它像这样工作。

理想情况下，我希望能够返回在给定错误范围内与 C 和 B 中的值匹配的所有索引值。

编辑

正如@MaxU 所指出的，如果您知道确切的数字，则 np.isclose f(x) 效果很好。但是是否可以匹配一个值列表，例如，如果我有第二个数据帧并想查看一个数据帧中的 C 值是否在容差范围内与 C （第二个数据帧）的值匹配？我试图将它们放入一个列表并以这种方式进行操作，但是在尝试一次处理多个值时遇到问题。

TEST= Dataframe_2["C"]
HopesNdreams = sample[sample["C"].apply(np.isclose,b=TEST, atol=1.0)]

编辑 2

我通过尝试几种不同的解决方法发现了我可以做的：

TEST1= Dataframe_2["C"].tolist
for i in TEST1:
    HopesNdreams= sample[sample["C"].apply(np.isclose,b=i, atol=1.0)]

这将返回给定列的命中。使用第一个答案中提出的逻辑，我认为这可以很好地满足我的需要。有没有我用这种方法看不到的挂断？

干杯并感谢您的帮助！

4

2 回答 2

3

IIUC 你可以使用np.isclose()函数：

In [180]: df[['B','C']].apply(np.isclose, b=112.6, atol=0.4)
Out[180]:
       B      C
0  False  False
1  False   True
2  False   True
3  False   True
4  False  False
5  False  False
6  False  False
7  False  False

In [181]: df[['B','C']].apply(np.isclose, b=112.6, atol=0.4).any(1)
Out[181]:
0    False
1     True
2     True
3     True
4    False
5    False
6    False
7    False
dtype: bool

In [182]: df[df[['B','C']].apply(np.isclose, b=112.6, atol=0.4).any(1)]
Out[182]:
    A     B      C
1  14  23.4  112.2
2  16  45.6  112.3
3  18  56.6  112.4
于 2017-01-17T00:04:05.053 回答
1

使用Series.between()：

df['C'].between(112.6 + .4, 112.6 - .4)
于 2017-05-19T23:18:46.907 回答