python - 修改函数以返回具有指定值的数据帧

Question

引用下面的测试数据和我用来识别变量 thresh 中的值的函数。

任何人都可以帮我修改它以显示我所显示的所需输出吗？

测试数据

import pandas as pd
import numpy as np
from itertools import combinations
df2 = pd.DataFrame(
       {'AAA' : [4,5,6,7,9,10], 
        'BBB' : [10,20,30,40,11,10],
        'CCC' : [100,50,25,10,10,11],
        'DDD' : [98,50,25,10,10,11],
        'EEE' : [103,50,25,10,10,11]});

函数:

thresh = 5    
def closeCols2(df):
        max_value = None
        for k1,k2 in combinations(df.keys(),2):
            if abs(df[k1] - df[k2]) < thresh:
                if max_value is None:
                    max_value = max(df[k1],df[k2])
                else:
                    max_value = max(max_value, max(df[k1],df[k2]))
        return max_value 

应用函数前的数据:

    AAA BBB CCC DDD EEE
0   4   10  100 98  103
1   5   20  50  50  50
2   6   30  25  25  25
3   7   40  10  10  10
4   9   11  10  10  10
5   10  10  11  11  11

应用后的当前系列输出:

df2.apply(closeCols2, axis=1)

0    103
1     50
2     25
3     10
4     11
5     11
dtype: int64

Desired output 是一个数据框，显示 thresh 内的所有值和一个 nan 用于任何不在 thresh 内的值

    AAA BBB CCC DDD EEE
0   nan nan 100 98  103
1   nan nan 50  50  50
2   nan 30  25  25  25
3   7   nan 10  10  10
4   9   11  10  10  10
5   10  10  11  11  11

Answer 1

使用mask和 sub与 axis=1

df2.mask(df2.sub(df2.apply(closeCols2, 1), 0).abs() > thresh)

    AAA   BBB  CCC  DDD  EEE
0   NaN   NaN  100   98  103
1   NaN   NaN   50   50   50
2   NaN  30.0   25   25   25
3   7.0   NaN   10   10   10
4   9.0  11.0   10   10   10
5  10.0  10.0   11   11   11

---

注意:
我会重新定义 closeCols包括 thresh作为参数。然后你可以在 apply 中传递它打电话。

def closeCols2(df, thresh):
        max_value = None
        for k1,k2 in combinations(df.keys(),2):
            if abs(df[k1] - df[k2]) < thresh:
                if max_value is None:
                    max_value = max(df[k1],df[k2])
                else:
                    max_value = max(max_value, max(df[k1],df[k2]))
        return max_value 

df2.apply(closeCols2, 1, thresh=5)

---

额外学分
我矢量化并嵌入了你的 closeCols来点 NumPy 的乐趣。
注意没有 apply

• numpy 广播以获取列的所有组合相互减去。
• np.abs
• <= 5
• sum(-1)我安排了广播使得说行的差异0 , 列 AAA所有行 0将布置在最后一个维度上。 -1在sum(-1)说对最后一个维度求和。
• <= 1所有值都小于 5 远离自己。所以我希望它们的总和大于 1。因此，我们屏蔽所有小于或等于 1 的值。

---

v = df2.values
df2.mask((np.abs(v[:, :, None] - v[:, None]) <= 5).sum(-1) <= 1)

    AAA   BBB  CCC  DDD  EEE
0   NaN   NaN  100   98  103
1   NaN   NaN   50   50   50
2   NaN  30.0   25   25   25
3   7.0   NaN   10   10   10
4   9.0  11.0   10   10   10
5  10.0  10.0   11   11   11