python - lambda 函数比较数据框中的两个连续行并创建新列

Question

我有一个数据框 df['y0', 'size] 作为其中的两列。

y0 的浮点值从 25.0 到 800.0
size 是 float 据类型，其值从 8 到 25。

import pandas as pd

data = '''\
y0    Size
25    8  
37    8.7  
68.5  9.3  
93.4  11.4  
110.7  14.6  
145.6  12.1  
180.3  10.9'''

df = pd.read_csv(pd.compat.StringIO(data), sep='\s+')

等等...

所需输出
创建一个新列 [y0Dash]，其逻辑如下:

MIN_Y0_DIFF = 0.3

if ((df['y0'] - df[['y0'].shift(-1)]) /
           ((df['Size'] + df[['Size'].shift(-1)]) / 2) < MIN_Y0_DIFF) ):
    df['y0Dash'] = df['y0']
else:
    df['y0Dash'] = df['y0'].shift(-1)

我收到错误消息，我正在尝试将标量值与序列进行比较，我理解这一点 - 我正在尝试与 MIN_Y0_DIFF 进行比较。

但是，我不知道如何在 lambda 函数中执行此操作。如何比较两个连续行以获得我想要的结果？

我尝试过的

def columnCompare():  
    if ((df['y0'] - df[['y0'].shift(-1)]) /
               ((df['Size'] + df[['Size'].shift(-1)]) / 2) < MIN_Y0_DIFF) ):
        df['y0Dash'] = df['y0']
    else:
        df['y0Dash'] = df['y0'].shift(-1)


df = df.apply(lambda x: columnCompare)

Answer 1

您不应为此使用 lambda 函数。如果我正确理解您的逻辑，您可以计算 bool 掩码并以矢量化方式应用您的逻辑。

看来主要问题是您如何尝试实现pd.Series.shift:df[['Size'].shift(-1)]是不正确，因为 list 没有 shift 方法。

MIN_Y0_DIFF = 0.3
mask = (df['y0'] - df['y0'].shift(-1)) / \
       ((df['Size'] + df['Size'].shift(-1)) / 2) < MIN_Y0_DIFF

df.loc[mask, 'y0Dash'] = df['y0']
df.loc[~mask, 'y0Dash'] = df['y0'].shift(-1)

结果:

      y0  Size  y0Dash
0   25.0   8.0    25.0
1   37.0   8.7    37.0
2   68.5   9.3    68.5
3   93.4  11.4    93.4
4  110.7  14.6   110.7
5  145.6  12.1   145.6
6  180.3  10.9     NaN