我有一個(gè)大數(shù)據(jù)框，這里只是示例數(shù)據(jù)：length force d1 d2 d3 d41 5000 300 300 300 3001.2 5000 300 300 300 3001.4 5000 300 300 300 3001.6 2000 500 300 100 3001.8 2000 600 300 200 3002 3500 500 300 300 3002.2 3500 300 300 300 3002.4 3500 100 300 300 3002.5 1500 100 400 200 3002.6 1500 200 300 200 3003 6000 200 200 200 100我有四個(gè)參數(shù) - d1, d2, d3 and d4. 我想遍歷它們并找到一行和 (row-1) 之間的差異。對(duì)于兩個(gè)參數(shù)，這種差異至少應(yīng)出現(xiàn)在一行中（不能更多，也可以更少）。我想我會(huì)向數(shù)據(jù)框中添加一個(gè)新列，d1_test, d2_test, d3_test, d4_test如下所示：df['d1_test'] = df['d1'].diff() != 0所以我會(huì)得到：length force d1 d2 d3 d4 d1_test d2_test d3_test 4_test1 5000 300 300 300 300 False False False False1.2 5000 300 300 300 300 False False False False1.4 5000 300 300 300 300 False False False False1.6 2000 500 300 100 300 True False True False1.8 2000 600 300 200 300 True False True False2 3500 500 300 300 300 True False True False2.2 3500 300 300 300 300 True False False False2.4 3500 100 300 300 300 True False False False2.5 1500 100 400 200 300 False True True False2.6 1500 200 300 200 300 True True False False3 6000 200 200 400 100 False True False True讓我們考慮每個(gè)參數(shù)(d1, d2, d3, d4)也代表一個(gè)固定值：d1_pos = 30, d2_pos = 40, d3_pos=60, d4_pos=90.然后是我想不通的部分。我想添加一個(gè)新列（帶計(jì)算），例如df['result']當(dāng) d1-d4_test 中的兩個(gè)為真時(shí)查找。我可以用布爾 sum() 來做到這一點(diǎn)，所以什么時(shí)候sum==2但我不知道哪兩個(gè)參數(shù)是真。在df['result']我想要這樣的東西：if d1_test AND d2_test = True: df['force'] / (d2_pos - d1_pos) elif d1_test AND d3_test = True: df['force'] / (d3_pos - d1_pos) elif d1_test AND d4_test = True: df['force'] / (d4_pos - d1_pos)對(duì)于所有其他組合也類似。我不認(rèn)為這是正確的方法，因?yàn)槲易罱K得到了許多組合。如果參數(shù)數(shù)量發(fā)生變化，例如如果我添加d5, d6, d7.我也嘗試過groupby()對(duì)數(shù)據(jù)進(jìn)行切片，但無法真正弄清楚。我確定那里有更好的解決方案？我希望這是可以理解的。非常感謝。
2 回答
慕標(biāo)琳琳
TA貢獻(xiàn)1830條經(jīng)驗(yàn) 獲得超9個(gè)贊
di只要您查找只有 2 的行，此方法就可以適用于任意數(shù)量的列True，假設(shè)您有di_pos某處的列表
list_pos = [30, 40, 60, 90] # [d1_pos ,d2_pos ...
# Use `filter`, `diff` and `values` to get all the values of the columns di_test at once
arr_bool = (df.filter(like='d').diff() !=0).values
#create a mask where the sum in each row is equal to 2
mask = arr_bool.sum(1) == 2
#get the values in the rows using the list list_pos and the mask
arr_val = list_pos *arr_bool[mask]
#create the column result using
df.loc[mask,'result'] = df.loc[mask,'force']/(arr_val[arr_val .nonzero()][1::2] -
arr_val [arr_val .nonzero()][0::2])
print (df)
length force d1 d2 d3 d4 result
0 1.0 5000 300 300 300 300 NaN
1 1.2 5000 300 300 300 300 NaN
2 1.4 5000 300 300 300 300 NaN
3 1.6 2000 500 300 100 300 66.666667
4 1.8 2000 600 300 200 300 66.666667
5 2.0 3500 500 300 300 300 116.666667
6 2.2 3500 300 300 300 300 NaN
7 2.4 3500 100 300 300 300 NaN
8 2.5 1500 100 400 200 300 75.000000
9 2.6 1500 200 300 200 300 150.000000
10 3.0 6000 200 200 200 100 120.000000
添加回答
舉報(bào)
0/150
提交
取消