python - 通过比较两列来跟踪 Pandas 中的状态反转

Question

这是我上一个问题的后续问题:detecting value crossing between columns in Pandas

假设我有两列，df['a'] 和 df['b']，此处称为“a”和“b”以简化

在上一个问题中，我试图检测以下索引:a[i - 1] < b[i] 和 a[i] >= b[i]

现在，我正在尝试跟踪两个更改:

a[i - 1] < b[i] and a[i] >= b[i]

和

a[i - 1] >= b[i] and a[i] < b[i]

并创建一个列，其中的值基于上次发生的更改设置。

这是一些伪代码:

state = 0
result = []
for i in myIndex:
    if a[i - 1] < b[i] and a[i] >= b[i]:
        state = 1
    elif a[i - 1] >= b[i] and a[i] < b[i]:
        state = 0

result.append(state)

是否有一种惯用的(非循环)方法可以在 Pandas 中实现此目的？

<小时/>

编辑:

我意识到这个问题引起了一些困惑，所以我没有正确地表达它。这里是一个例子:

假设我有两列用于我跟踪的两个条件的输出:

 cond_A    cond_B
 false     false
 false     true
 false     false
 false     false
 true      false
 false     false

那么输出应该是(如果我们将 0 和 1 设置为输出值):

cond_A    cond_B    output
false     false     0
false     true      1
false     false     1
false     false     1
true      false     0
false     false     0

所以，如果两个条件都为假，我们重用最后一个状态，如果一个条件为真，我们设置状态。

Answer 1

这是 RS 触发器的方程:https://en.wikipedia.org/wiki/Flip-flop_(electronics)

使用作为数据框给出的示例:

print(df)

   cond_A  cond_B
0   False   False
1   False    True
2   False   False
3   False   False
4    True   False
5   False   False

<小时/>

更新

df['state']=df.any(axis=1).where(df['cond_B'].cumsum().ge(1),0).cumsum()%2
print(df)


   cond_A  cond_B  state
0   False   False      0
1   False    True      1
2   False   False      1
3   False   False      1
4    True   False      0
5   False   False      0

<小时/>

如果您有两个独立的系列

(cond_A | cond_B).where(cond_B.cumsum().ge(1),0).cumsum()%2