3

我有这个数据框：

In[1]df = pd.DataFrame([[1,2,3,4,5],[6,7,8,9,10],[11,12,13,14,15],[16,17,18,19,20],[21,22,23,24,25]])
In[2]df
Out[2]: 
    0   1   2   3   4
0   1   2   3   4   5
1   6   7   8   9  10
2  11  12  13  14  15
3  16  17  18  19  20
4  21  22  23  24  25

我需要实现这一点：

  1. 对于我的数据框中的每一行，
  2. 如果任意 3 个连续单元格中的 2 个或多个值大于 10，
  3. 那么这 3 个单元格中的最后一个应标记为 True。

根据上述标准，生成的数据框 df1 的大小应与 True 或 False 相同：

In[3]df1
Out[3]: 
    0   1      2      3      4
0 NaN NaN  False  False  False
1 NaN NaN  False  False  False
2 NaN NaN   True   True   True
3 NaN NaN   True   True   True
4 NaN NaN   True   True   True
  • df1.iloc[0,1] 是 NaN，因为在该单元格中，只给出了两个数字，但需要至少 3 个数字来进行测试。
  • df1.iloc[1,3] 为 False，因为 [7,8,9] 中没有一个大于 10
  • df1.iloc[3,4] 为 True，因为 [18,19,20] 中的 2 或更多大于 10

我认为带有函数的 dataframe.rolling.apply() 可能是解决方案，但究竟如何呢？

4

3 回答 3

6

你是对的，使用rolling()是要走的路。但是，您必须记住，因为rolling()将窗口末尾的值替换为新值，所以您不能只标记窗口，只要条件不适用，True您也会得到False

这是使用您的示例数据框并执行所需转换的代码：

df = pd.DataFrame([[1,2,3,4,5],[6,7,8,9,10],[11,12,13,14,15],[16,17,18,19,20],[21,22,23,24,25]])

现在，定义一个以窗口为参数并返回是否满足条件的函数

def fun(x):
    num = 0
    for i in x:
        num += 1 if i > 10 else 0
    return 1 if num >= 2 else -1

我已将阈值硬编码为 10。因此，如果在任何窗口中大于 10 的值的数量大于或等于 2，则最后一个值将替换为 1（表示 True），否则将其替换为 -1（表示 False ）。

如果要将阈值参数保留为变量，请查看此答案以将它们作为参数传递。

现在在滚动窗口上应用该函数，使用窗口大小为 3，轴 1，此外，如果您不想要 NaN，那么您还可以在参数中将 min_periods 设置为 1。

df.rolling(3, axis=1).apply(fun)

产生输出为

  0   1    2    3    4
0 NaN NaN -1.0 -1.0 -1.0
1 NaN NaN -1.0 -1.0 -1.0
2 NaN NaN  1.0  1.0  1.0
3 NaN NaN  1.0  1.0  1.0
4 NaN NaN  1.0  1.0  1.0
于 2018-04-15T06:13:00.357 回答
3

sum在布尔数据框上使用。

df.gt(10).rolling(3, axis=1).sum().ge(2)

       0      1      2      3      4
0  False  False  False  False  False
1  False  False  False  False  False
2  False  False   True   True   True
3  False  False   True   True   True
4  False  False   True   True   True

您可以通过屏蔽 where na 来确定确切请求的输出。

df.gt(10).rolling(3, axis=1).sum().pipe(lambda d: d.ge(2).mask(d.isna()))

    0   1      2      3      4
0 NaN NaN  False  False  False
1 NaN NaN  False  False  False
2 NaN NaN   True   True   True
3 NaN NaN   True   True   True
4 NaN NaN   True   True   True
于 2018-04-15T08:19:07.723 回答
0

你需要 -

import pandas as pd
import numpy as np
df = pd.DataFrame([[1,2,3,4,5],[6,7,8,9,10],[11,12,13,14,15],[16,17,18,19,20],[21,22,23,24,25]])
df1 = df.apply(lambda x: pd.Series([np.nan, np.nan]+[all(j>10 for j in i) for i in zip(x[0::1], x[1::1], x[2::1])]), axis=1)

print(df1)

输出

0   1      2      3      4
0 NaN NaN  False  False  False
1 NaN NaN  False  False  False
2 NaN NaN   True   True   True
3 NaN NaN   True   True   True
4 NaN NaN   True   True   True

解释

list(zip(x[0::1], x[1::1], x[2::1])

将其分解为每行一次取 3 列-

0             [(1, 2, 3), (2, 3, 4), (3, 4, 5)]
1            [(6, 7, 8), (7, 8, 9), (8, 9, 10)]
2    [(11, 12, 13), (12, 13, 14), (13, 14, 15)]
3    [(16, 17, 18), (17, 18, 19), (18, 19, 20)]
4    [(21, 22, 23), (22, 23, 24), (23, 24, 25)]

all(j>10 for j in i)

检查元组列表中的每个元素，True如果元组中的所有元素都大于 10 ，则输出

连接[np.nan, np.nan]以匹配您的输出。希望有帮助。

于 2018-04-15T07:09:55.477 回答