python - Pandas :如何测试结果？

Question

假设您有一个简单的数据框

   low_signal  high_signal  condition  prevision
0         1.2          1.3          1        1.7
1         1.7          1.8          1        1.8
2         1.9          2.0          1        1.9
3         1.6          1.7         -1        1.5
4         1.3          1.4         -1        1.4

现在我想研究我的预测是否正确，如果正确我想知道时间(在这种情况下我们可以说它等于索引)

我的第一个条件

if df.condition == 1

第二个是检查 df.prevision 是否会低于或等于 df.low_signal。

如果条件为真则

return is the index (in study) of the df.predicted - the index of df.low_signal


   low_signal  high_signal  condition  prevision verification
0         1.2          1.3          1        1.7            1
1         1.7          1.8          1        1.8            1
2         1.9          2.0          1        1.9            0
3         1.6          1.7         -1        1.5            1
4         1.3          1.4         -1        1.4            0

那只是为了 df.condition == 1

对于 df.condition == -1几乎相同，但检查的是 df.prevision 是否会大于或等于 df.high_signal

Answer 1

一个简单的解决方法:

In [18]:

df['verification'] = ((df['high_signal'] <= df['prevision']) & (df['condition'] == 1)) \
                     | ((df['low_signal'] <= df['prevision']) & (df['condition'] == -1))

In [19]:

df
Out[19]:
            low_signal  high_signal condition   prevision   verification
0           1.2         1.3         1           1.7         True
1           1.7         1.8         1           1.8         True
2           1.9         2.0         1           1.9         False
3           1.6         1.7         -1          1.5         False
4           1.3         1.4         -1          1.4         True

可能你知道在 python 中 True 和 False 对应于 1 和 0，但是如果你想将 verification 列视为 int，只需执行以下操作:

In [20]:

df['verification'] = df['verification'].astype(int)

希望对您有所帮助。

编辑:我根据您的评论更新了答案。我不太了解“功能要求”，但无论如何，如果您有更复杂的操作，您可以使用 pandas' apply

你的情况有点棘手，因为:

• 您想在apply 函数中访问索引，但我认为您做不到
• 您想遍历整个数据框

但是无论如何，解决您在评论中输入的表达式，您可以先在数据框中添加一个包含索引副本的列，

In [27]:

df['index_cp'] = df.index

然后使用apply函数，

In [28]:

len_df = len(df)
​
def f(x):
    for n in range(len_df):    
        if x.condition == 1 & (x.prevision <= df.low_signal[n]):
            return n - x.index_cp
​
df.apply(f, axis=1)
Out[28]:
0     1
1     1
2     0
3   NaN
4   NaN
dtype: float64

可能您需要修改功能，但正如我所说，我没有得到“功能” View ，我刚刚实现了您发布的内容。希望对您有所帮助。