python - 使用 Pandas 为每个过滤器识别列中最接近的值

Question

我有一个包含类别和值的数据框。我需要在每个类别中找到最接近某个值的值。我想我已经很接近了，但是在将 argsort 的结果应用于原始数据帧时，我无法真正获得正确的输出。

例如，如果输入是在下面的代码中定义的，输出应该只有 (a, 1, True), (b, 2, True), (c, 2, True) 和所有其他 isClosest Values 应该是 False。

如果多个值最接近，那么它应该是列出的第一个标记的值。

这是我拥有的有效代码，但我无法将其正确地重新应用于数据框。我希望得到一些指示。

df = pd.DataFrame()
df['category'] = ['a', 'b', 'b', 'b', 'c', 'a', 'b', 'c', 'c', 'a']
df['values'] = [1, 2, 3, 4, 5, 4, 3, 2, 1, 0]
df['isClosest'] = False

uniqueCategories = df['category'].unique()
for c in uniqueCategories:
    filteredCategories = df[df['category']==c]    
    sortargs = (filteredCategories['value']-2.0).abs().argsort()
    #how to use sortargs so that we set column in df isClosest=True if its the closest value in each category to 2.0?

Answer 1

您可以创建一列绝对差异:

df['dif'] = (df['values'] - 2).abs()

df
Out: 
  category  values  dif
0        a       1    1
1        b       2    0
2        b       3    1
3        b       4    2
4        c       5    3
5        a       4    2
6        b       3    1
7        c       2    0
8        c       1    1
9        a       0    2

然后使用groupby.transform检查每组的最小值是否等于你计算的差值:

df['is_closest'] = df.groupby('category')['dif'].transform('min') == df['dif']

df
Out: 
  category  values  dif is_closest
0        a       1    1       True
1        b       2    0       True
2        b       3    1      False
3        b       4    2      False
4        c       5    3      False
5        a       4    2      False
6        b       3    1      False
7        c       2    0       True
8        c       1    1      False
9        a       0    2      False

df.groupby('category')['dif'].idxmin() 还会为您提供每个类别的最接近值的索引。您也可以将其用于映射。

供选择:

df.loc[df.groupby('category')['dif'].idxmin()]
Out: 
  category  values  dif
0        a       1    1
1        b       2    0
7        c       2    0

作业:

df['is_closest'] = False
df.loc[df.groupby('category')['dif'].idxmin(), 'is_closest'] = True
df
Out: 
  category  values  dif is_closest
0        a       1    1       True
1        b       2    0       True
2        b       3    1      False
3        b       4    2      False
4        c       5    3      False
5        a       4    2      False
6        b       3    1      False
7        c       2    0       True
8        c       1    1      False
9        a       0    2      False

这些方法之间的区别在于，如果您根据差异检查相等性，则在出现平局的情况下，所有行都会得到 True。但是，使用 idxmin 它将在第一次出现时返回 True(每个组只有一个)。