时间戳

首页 > 解决方案 > 在另一列中的两个条目之间查找列的最小值

python - 在另一列中的两个条目之间查找列的最小值

问题描述

浏览 64 次

0

我在包含 1000 多行的数据框中有两列。A 列可以取值 X、Y、None。B 列包含从 50 到 100 的随机数。

每次在 A 列中出现非“无”事件时，都将其视为发生事件 4。因此，A 列中先前的非无事件将是发生 3，之前的将是发生 2，之前的将是发生 1。我想在发生4和发生3之间找到B列的最小值，并检查它是否大于发生2和发生1之间的B列最小值。结果可以作为“YES”或“NO”存储在数据框中的新列中。

样本输入

ROWNUM  A    B
1      None  68
2      None  83
3        X   51
4      None  66
5      None  90
6        Y   81
7      None  81
8      None  100
9      None  83
10     None  78
11       X   68
12     None  53
13     None  83
14       Y   68
15     None  94
16     None  50
17     None  71
18     None  71
19     None  52
20     None  67
21     None  82
22       X   76
23     None  66
24     None  92

例如，我需要找到 ROWNUM 14 和 ROWNUM 11 之间的 B 列的最小值，并检查它是否大于 ROWNUM 6 和 ROWNUM 3 之间的 B 列的最小值。接下来，我需要找到 ROWNUM 之间的最小值22 和 ROWNUM 14 并检查它是否大于 ROWNUM 11 和 ROWNNUM 6 之间的最小值，依此类推。

编辑：

在样本数据中，我们从第 14 行开始计算，因为那是 A 列的第四次非空出现。第 14 行和第 11 行之间的最小值是 53。第 6 行和第 3 行之间的最小值是 51 . 由于 53 > 51, ，它意味着 B 列在出现 4 和出现 3 之间的最小值大于 B 列在出现 2 和出现 1 之间的最小值。因此，第 14 行的输出将为“YES”或 1 .

接下来，在第 22 行，第 22 行和第 14 行之间的最小值为 50。第 11 行和第 6 行之间的最小值为 68。由于 50 < 68，这意味着出现 4 和出现 3 之间的最小值不大于出现之间的最小值2 和出现 1。因此，第 22 行的输出将为“NO”或 0。

我有以下代码。

import numpy as np
import pandas as pd


df = pd.DataFrame([[0, 0]]*100, columns=list('AB'), index=range(1, 101))
df.loc[[3, 6, 11, 14, 22, 26, 38, 51, 64, 69, 78, 90, 98], 'A'] = 1
df['B'] = np.random.randint(50, 100, size=len(df))
df['result'] = df.index[df['A'] != 0].to_series().rolling(4).apply(
        lambda x: df.loc[x[2]:x[3], 'B'].min() > df.loc[x[0]:x[1], 'B'].min(), raw=True)
print(df)

当 A 列有输入 [0,1] 时，此代码有效。但我需要一个代码，其中 A 列可以包含 [None, X, Y]。此外，此代码产生的输出为 [0,1]。我需要输出为 [YES, NO]。

标签： pythonpandasdataframerolling-computation

解决方案

这是我的方法：

def is_incr(x):
    return  x[:2].min() > x[2:].min()

# replace with s = df['A'] == 'None' if needed
s = df['A'].isna()

df['new_col'] = df.loc[s, 'B'].rolling(4).apply(is_incr)

输出：

    ROWNUM    A    B  new_col
0        1  NaN   68      NaN
1        2  NaN   83      NaN
2        3    X   51      NaN
3        4  NaN   66      NaN
4        5  NaN   90      1.0
5        6    Y   81      NaN
6        7  NaN   81      0.0
7        8  NaN  100      0.0
8        9  NaN   83      0.0
9       10  NaN   78      1.0
10      11    X   68      NaN
11      12  NaN   53      1.0
12      13  NaN   83      1.0
13      14    Y   68      NaN
14      15  NaN   94      0.0
15      16  NaN   50      1.0
16      17  NaN   71      1.0
17      18  NaN   71      0.0
18      19  NaN   52      0.0
19      20  NaN   67      1.0
20      21  NaN   82      0.0
21      22    X   76      NaN
22      23  NaN   66      0.0
23      24  NaN   92      1.0

推荐阅读