python - 查找另一列中两个条目之间的列的最小值

Question

浏览 64 次

0

我在包含 1000 多行的数据框中有两列。 A 列可以取值 X、Y、无。 B 列包含 50 到 100 之间的随机数。

每次在 A 列中出现非“无”的情况时，均被视为出现 4。因此，A 列中前一个非 None 出现的情况将是occurrence3，前一个出现的将是occurrence2，前一个出现的将是occurrence1。我想找到B列occurrence4和occurrence3之间的最小值，并检查它是否大于B列occurrence2和occurrence1之间的最小值。结果可以作为"is"或“否”存储在数据框中的新列中。

示例输入

ROWNUM  A    B
1      None  68
2      None  83
3        X   51
4      None  66
5      None  90
6        Y   81
7      None  81
8      None  100
9      None  83
10     None  78
11       X   68
12     None  53
13     None  83
14       Y   68
15     None  94
16     None  50
17     None  71
18     None  71
19     None  52
20     None  67
21     None  82
22       X   76
23     None  66
24     None  92

例如，我需要找到 ROWNUM 14 和 ROWNUM 11 之间 B 列的最小值，并检查它是否大于 ROWNUM 6 和 ROWNUM 3 之间 B 列的最小值。接下来，我需要找到最小值ROWNUM 22 和 ROWNUM 14 之间的值，并检查它是否大于 ROWNUM 11 和 ROWNNUM 6 之间的最小值，依此类推。

编辑:

在示例数据中，我们从第 14 行开始计算，因为这是 A 列第四次非无出现的位置。第 14 行和第 11 行之间的最小值是 53。第 6 行和第 6 行之间的最小值是 53。 3 是 51。由于 53 > 51， ，这意味着出现 4 和出现 3 之间的 B 列最小值大于出现 2 和出现 1 之间 B 列的最小值。因此，第 14 行的输出将为“YES” “或 1。

接下来，在第 22 行，第 22 行和第 14 行之间的最小值为 50。第 11 行和第 6 行之间的最小值为 68。由于 50 < 68，这意味着出现次数 4 和出现次数 3 之间的最小值不大于出现 2 和出现 1 之间的最小值。因此，第 22 行的输出将为“NO”或 0。

我有以下代码。

import numpy as np
import pandas as pd


df = pd.DataFrame([[0, 0]]*100, columns=list('AB'), index=range(1, 101))
df.loc[[3, 6, 11, 14, 22, 26, 38, 51, 64, 69, 78, 90, 98], 'A'] = 1
df['B'] = np.random.randint(50, 100, size=len(df))
df['result'] = df.index[df['A'] != 0].to_series().rolling(4).apply(
        lambda x: df.loc[x[2]:x[3], 'B'].min() > df.loc[x[0]:x[1], 'B'].min(), raw=True)
print(df)

当 A 列具有输入 [0,1] 时，此代码有效。但我需要一个代码，其中 A 列可以包含 [None, X, Y]。此外，此代码生成的输出为 [0,1]。我需要输出为 [YES, NO]。

Answer 1

我阅读了您的示例数据，如下所示:

df = pd.read_fwf('input.txt', widths=[7, 6, 3], na_values=['None'])

注意na_values=['None']，它规定输入中的None(字符串)读作 NaN。

这样数据帧是:

    ROWNUM    A    B
0        1  NaN   68
1        2  NaN   83
2        3    X   51
3        4  NaN   66
4        5  NaN   90
5        6    Y   81
6        7  NaN   81
7        8  NaN  100
8        9  NaN   83
9       10  NaN   78
10      11    X   68
11      12  NaN   53
12      13  NaN   83
13      14    Y   69
14      15  NaN   94
15      16  NaN   50
16      17  NaN   71
17      18  NaN   71
18      19  NaN   52
19      20  NaN   67
20      21  NaN   82
21      22    X   76
22      23  NaN   66
23      24  NaN   92

执行任务的代码是:

res = df.index[df.A.notnull()].to_series().rolling(4).apply(
    lambda x: df.loc[x[2]:x[3], 'B'].min() > df.loc[x[0]:x[1], 'B'].min(), raw=True)\
    .dropna().map(lambda x: 'YES' if x > 0 else 'NO').rename('Result')
df = df.join(res)
df.Result.fillna('', inplace=True)

正如您所看到的，这部分是对您的代码的轻微更改，其中有一些补充。

结果是:

    ROWNUM    A    B Result
0        1  NaN   68       
1        2  NaN   83       
2        3    X   51       
3        4  NaN   66       
4        5  NaN   90       
5        6    Y   81       
6        7  NaN   81       
7        8  NaN  100       
8        9  NaN   83       
9       10  NaN   78       
10      11    X   68       
11      12  NaN   53       
12      13  NaN   83       
13      14    Y   69    YES
14      15  NaN   94       
15      16  NaN   50       
16      17  NaN   71       
17      18  NaN   71       
18      19  NaN   52       
19      20  NaN   67       
20      21  NaN   82       
21      22    X   76     NO
22      23  NaN   66       
23      24  NaN   92       

我的解决方案相对于其他解决方案的优点是:

• 内容可以是 YES 或 NO，如您所愿，
• 此内容仅显示 A 列中的非空值，“忽略”前 3 个，它们没有足够的“前辈”。