我有一個 pandas 數(shù)據(jù)框，如下所示：data = {"firm": [1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 4, 4, 4, 4, 4, 4], "year" : [2000, 2001, 2002, 2003, 1990, 1991, 1992, 1993, 1994, 2010, 2011, 2012, 2005, 2006, 2007, 2008, 2009, 2010], "var" : [3, 2, 1, 0.5, 5, 3, 2, 0.5, 0.5, 0.5, 0, 0, 8, 5, 3, 0.5, 0.5, 0.5]} df = pd.DataFrame(data) df我想為每個公司創(chuàng)建一個虛擬變量，條件如下：只要變量“var”連續(xù)兩年等于或小于 0.5，“dummy”就等于 1，因此變量“dummy”如下所示：data = {"firm": [1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 4, 4, 4, 4, 4, 4], "year" : [2000, 2001, 2002, 2003, 1990, 1991, 1992, 1993, 1994, 2010, 2011, 2012, 2005, 2006, 2007, 2008, 2009, 2010], "var" : [3, 2, 1, 0.5, 5, 3, 2, 0.5, 0.5, 0.5, 0, 0, 8, 5, 3, 0.5, 0.5, 0.5], "dummy" : [0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1, 1]} df = pd.DataFrame(data) df最好的方法是什么？
3 回答
墨色風(fēng)雨
TA貢獻(xiàn)1853條經(jīng)驗(yàn) 獲得超6個贊
您可以只移動，檢查閾值并與原始系列的檢查結(jié)合起來：
df.groupby('firm')['var'].shift().le(.5) & df['var'].le(.5)
這應(yīng)該比 稍快一些groupby().apply。
另一種方法（在您需要檢查幾年的情況下更好）是rolling：
df['dummy'] = df.groupby('firm')['var'].transform(lambda x: x.rolling(2).max().le(.5))
輸出：
0 False
1 False
2 False
3 False
4 False
5 False
6 False
7 False
8 True
9 False
10 True
11 True
12 False
13 False
14 False
15 False
16 True
17 True
Name: var, dtype: bool
慕田峪7331174
TA貢獻(xiàn)1828條經(jīng)驗(yàn) 獲得超13個贊
您的需求幾乎可以直接轉(zhuǎn)換為 pandas。
首先groupby堅(jiān)定，然后檢查您的條件是否滿足apply。
你可以得到下一年shift
import pandas as pd
data = {"firm": [1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 4, 4, 4, 4, 4, 4], "year" : [2000, 2001, 2002, 2003, 1990, 1991, 1992, 1993, 1994, 2010, 2011, 2012, 2005, 2006, 2007, 2008, 2009, 2010], "var" : [3, 2, 1, 0.5, 5, 3, 2, 0.5, 0.5, 0.5, 0, 0, 8, 5, 3, 0.5, 0.5, 0.5]}
df = pd.DataFrame(data)
# Solution
df['dummy'] = df.groupby('firm')['var'].apply(lambda x: (x.shift() <= .5) & (x <= .5)).view('i1')
print(df)
出去：
firm year var dummy
0 1 2000 3.0 0
1 1 2001 2.0 0
2 1 2002 1.0 0
3 1 2003 0.5 0
4 2 1990 5.0 0
5 2 1991 3.0 0
6 2 1992 2.0 0
7 2 1993 0.5 0
8 2 1994 0.5 1
9 3 2010 0.5 0
10 3 2011 0.0 1
11 3 2012 0.0 1
12 4 2005 8.0 0
13 4 2006 5.0 0
14 4 2007 3.0 0
15 4 2008 0.5 0
16 4 2009 0.5 1
17 4 2010 0.5 1
炎炎設(shè)計(jì)
TA貢獻(xiàn)1808條經(jīng)驗(yàn) 獲得超4個贊
讓我們嘗試groupby一下shift
df.groupby('firm')['var'].apply(lambda x : x.shift().le(0.5) & x.le(0.5))
0 False
1 False
2 False
3 False
4 False
5 False
6 False
7 False
8 True
9 False
10 True
11 True
12 False
13 False
14 False
15 False
16 True
17 True
Name: var, dtype: bool
添加回答
舉報(bào)
0/150
提交
取消