是否可以在pandas数据框中基于不同列中的尾随行进行计算?像这样的东西。
frame = pd.DataFrame({'a' : [True, False, True, False],
'b' : [25, 22, 55, 35]})
我希望输出如下:
A B C
True 25
False 22 44
True 55 55
False 35 70
其中,当列A中的尾随行为False时,列C与列B相同;当列A中的尾随行为True时,列C为列B*2?
最佳答案
您可以使用where
系列方法:
In [11]: frame['b'].where(frame['a'], 2 * frame['b'])
Out[11]:
0 25
1 44
2 55
3 70
Name: b, dtype: int64
In [12]: frame['c'] = frame['b'].where(frame['a'], 2 * frame['b'])
或者您可以使用
apply
(但这通常会比较慢):In [21]: frame.apply(lambda x: 2 * x['b'] if x['a'] else x['b'], axis=1
因为您使用的是“尾随行”,所以需要使用
shift
:In [31]: frame['a'].shift()
Out[31]:
0 NaN
1 True
2 False
3 True
Name: a, dtype: object
In [32]: frame['a'].shift().fillna(False) # actually this is not needed, but perhaps clearer
Out[32]:
0 False
1 True
2 False
3 True
Name: a, dtype: object
用另一种方法:
In [33]: c = (2 * frame['b']).where(frame['a'].shift().fillna(False), frame['b'])
In [34]: c
Out[34]:
0 25
1 44
2 55
3 70
Name: b, dtype: int64
以及更改第一行(例如,改为NaN,in pandas we use NaN for missing data)
In [35]: c = c.astype(np.float) # needs to accept NaN
In [36]: c.iloc[0] = np.nan
In [36]: frame['c'] = c
In [37]: frame
Out[37]:
a b c
0 True 25 NaN
1 False 22 44
2 True 55 55
3 False 35 70
关于python - 在 Pandas 数据框中基于尾随行进行计算,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/17966315/