时间戳

首页 > 解决方案 > 如何循环 3 个分类为“正”、“负”和“中性”的熊猫数据帧并列出它们？

python - 如何循环 3 个分类为“正”、“负”和“中性”的熊猫数据帧并列出它们？

问题描述

输入示例

我有 1D 概率数据（作为 DataFrame），根据它们的值，我想将它们分类为“正”、“负”和“中性”。

示例结果：

Classes = ['positive', 'neutral','negative',....]

这是我的脚本：

for i in mle_positive, mle_negative, mle_neutral:

        cond = [((mle_positive.iloc[i] > mle_negative.iloc[i]).all(axis=0) and (mle_positive.iloc[i] > mle_neutral.iloc[i]).all(axis=0)),
        ((mle_negative.iloc[i] > mle_positive.iloc[i]).all(axis=0) and (mle_negative.iloc[i] > mle_neutral.iloc[i]).all(axis=0)),
        ((mle_neutral.iloc[i] > mle_negative.iloc[i]).all(axis=0) and (mle_neutral.iloc[i] > mle_positive.iloc[i]).all(axis=0)),
        ((mle_neutral.iloc[i] == mle_negative.iloc[i]).all(axis=0) and (mle_neutral.iloc[i] == mle_positive.iloc[i]).all(axis=0)),
        ((mle_negative.iloc[i] == mle_positive.iloc[i]).all(axis=0) and (mle_negative.iloc[i] == mle_neutral.iloc[i]).all(axis=0)),
        ((mle_neutral.iloc[i] == mle_negative.iloc[i]).all(axis=0) and (mle_neutral.iloc[i] == mle_positive.iloc[i]).all(axis=0))]

        idx = ['positive', 'negative', 'neutral', 'neutral', 'neutral', 'neutral']

        classes = np.select(cond, idx, default = '')

错误是：

ValueError：缓冲区的维数错误（预期为 1，得到 2）

很高兴，如果你们能帮忙。

标签： pythonpython-3.xpandasclass

解决方案

在没有看到您的数据的情况下，我不知道您应该合并数据框的确切方式，但这是我的想法。假设您以某种方式获得了数据框，因此存在三个相关列：'mle_positive'、'mle_neutral'、'mle_negative'

然后，您似乎正在寻找这三列中的最大值。你用idxmax.

check_cols = ['mle_positive', 'mle_neutral', 'mle_negative']
df['Class_cat'] = df[check_cols].idxmax(axis=1)

然后'Class_cat'（我不喜欢使用'Class'作为标题，因为它是一个特殊的词）应该看起来像：

0    mle_positive
1    mle_neutral
2    mle_positive
3    mle_negative

然后，如果您真的想摆脱“mle_”，您可以使用replace

df.replace({'mle_':''}, inplace=True)

推荐阅读