python - 匹配多列值的函数

Question

使用以下测试数据:

df2 = pd.DataFrame(np.random.randn(12, 3), columns=['A', 'B', 'C'])
thresh = .3
df2['matches'] = np.where(df2.A - df2.B < thresh,1,0)

我创建了 df2['matches']显示值为 1 的列什么时候df2.A - df2.B < thresh .

        A           B            C      matches
0   0.501554    -0.589855   -0.751568   0
1   -0.295198   0.512442    0.466915    1
2   0.074863    0.343388    -1.700998   1
3   0.115432    -0.507847   -0.825545   0
4   1.013837    -0.007333   -0.292192   0
5   -0.930738   1.235501    -0.652071   1
6   -1.026615   1.389294    0.035041    1
7   0.969147    -0.397276   1.272235    0
8   0.120461    -0.634686   -1.123046   0
9   0.956896    -0.345948   -0.620748   0
10  -0.552476   1.376459    0.447807    1
11  0.882275    0.490049    0.713033    0

但是，我实际上想比较所有三列，如果值在 thresh 内它将返回一个与 df2['matches] 中的匹配项数量相对应的数字.

例如，如果 Col A = 1、B = 2 和 C = 1.5 并且 thresh 为 .5，则函数将在 ['matches'] 列中返回 3。

是否有一个函数已经在做类似的事情或者任何人都可以提供帮助？

Answer 1

您可以为每对列使用阈值，然后对生成的 bool 列求和以获得所需的数字。但是请注意，此数字取决于您比较列的顺序。如果您使用 abs(df['A']-df['B']) 等，这种歧义就会消失，这很可能是您的意图。下面我假设这就是您所需要的。

通常，您可以使用 itertools.combinations 生成每对列一次:

from itertools import combinations
df = pd.DataFrame(np.random.randn(12, 3), columns=['A', 'B', 'C'])
thresh = .3
df['matches'] = sum(abs(df[k1]-df[k2])<thresh for k1,k2 in combinations(df.keys(),2))

sum() 中的生成器表达式遍历每一对列，并构造相应的 bool 向量。对每对列求和，并将结果列附加到数据框。

thresh = 0.3 的示例输出:

           A         B         C  matches
0   0.146360 -0.099707  0.633632        1
1   1.462810 -0.186317 -1.411988        0
2   0.358827 -0.758619  0.038329        0
3   0.077122 -0.213856 -0.619768        1
4   0.215555  1.930888 -0.488517        0
5  -0.946557 -0.904743 -0.004738        1
6  -0.080209 -0.850830 -0.866865        1
7  -0.997710 -0.580679 -2.231168        0
8   1.762313 -0.356464 -1.813028        0
9   1.151338  0.347636 -1.323791        0
10  0.248432  1.265484  0.048484        1
11  0.559934 -0.401059  0.863616        0

使用 itertools.combinations，将列比较为

>>> [k for k in itertools.combinations(df.keys(),2)]
('A', 'B'), ('A', 'C'), ('B', 'C')]

但如果您使用的是绝对值，这真的无关紧要(从那时起，差异就列而言是对称的)。