我正在寻找熊猫解决这个问题的方法,我有一个数据框

df
         A     RM
    0  384    NaN
    1  376  380.0
    2  399  387.5
    3  333  366.0
    4  393  363.0
    5  323  358.0
    6  510  416.5
    7  426  468.0
    8  352  389.0

我想看看df['a]>[上一个]rm值中的值是否应该有0更新的else
     A     RM  Status
0  384    NaN       0
1  376  380.0       1
2  399  387.5       0
3  333  366.0       1
4  393  363.0       0
5  323  358.0       1
6  510  416.5       0
7  426  468.0       0
8  352  389.0       1

我想我需要在numpyShift中使用where,但是我没有达到预期的效果。
import pandas as pd
import numpy as np
df=pd.DataFrame([384,376,399,333,393,323,510,426,352], columns=['A'])


df['RM']=df['A'].rolling(window=2,center=False).mean()

df['Status'] =  np.where((df.A > df.RM.shift(1).rolling(window=2,center=False).mean()) , 0, 1)

最后,运用滚动平均法
df.AverageMean=df[df['Status'] == 1]['A'].rolling(window=2,center=False).mean()

最佳答案

很简单shift

df['Status']=(df.A<=df.RM.fillna(9999).shift()).astype(int)
df
Out[347]:
     A     RM  Status
0  384    NaN       0
1  376  380.0       1
2  399  387.5       0
3  333  366.0       1
4  393  363.0       0
5  323  358.0       1
6  510  416.5       0
7  426  468.0       0
8  352  389.0       1

关于python - 排除行以进行 Pandas 滚动平均值计算,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/49802955/

10-08 22:39