python - 如何从 Pandas (同一列)中扣除值(value)？

Question

我正在尝试操作 excel 工作表数据以在 excel(不是开发人员)上自动执行一个过程，以便从第一行中删除最后一行的值，然后从第二行中删除最后一个 -1 的值，依此类推，我的数据类似于下面

    Code  Col1    Col2
0    A    1.7653  56.2 
1    B    1       Nan
2    C    Nan     5
3    D    34.4    0

我必须从第一列减去最后一列，然后从第二列减去最后一列，依此类推，直到我在中间遇到它们(假设我们只有偶数行)，我已经解决了删除具有字符串的列的问题，所以我的输出 pandas 看起来像这样

       Col1    Col2
0      1.7653  56.2 
1      1       Nan
2      Nan     5
3      34.4    0 

现在我需要扣除这些值，这样要创建的新 Pandas 框架将如下所示:以下是扣除后的值

       Col1    Col2
0      -32.2347 56.2 
1      1       -5

我能够按 1 个值删除它，但无论我有多少行都不能迭代地删除它，并创建一个 pandas，第一行的一半与输出相同

Nan 将被视为 0，实际数据集有数百列和行可以更改

代码:

import pandas as pd
import datetime

# Create a dataframe
df = pd.read_excel(r'file.xls', sheet_name='sheet1')

for col, dt in df.dtypes.items():
    if dt == object:
        df = df.drop(col, 1)

i=0

for col in df.dtypes.items():
    while i < len(df)/2:
        df[i] = df[i] - df[len(df) - i]
        i++

Answer 1

一种方法可以是:

import pandas as pd
import numpy as np

df = pd.DataFrame([["A", 1.7653,  56.2], ["B", 1, np.nan], ["C", np.nan, 5], ["D", 34.4, 0]], columns=["Code", "Col1", "Col2"], )

del df["Code"]
df.fillna(0, inplace=True)

s = df.shape[0] // 2
differences = pd.DataFrame([df.iloc[i] - df.iloc[df.shape[0]-i-1] for i in range(s)])

print(differences)

输出

Col1  Col2
0 -32.6347  56.2
1   1.0000  -5.0

跟进

阅读评论，我了解到您要应用的减法逻辑如下:

• 如果两个数字都不是nan，则正常减法
• 如果其中一个数字是nan，则将nan换成0
• 如果两个数字都是nan，则返回一个`nan

我不知道是否有这样的函数开箱即用，因此我创建了一个custom_sub。为免生疑问，这是我正在使用的文件

网格.txt

,Code,Col1,Col2
0,A,1.7653,56.2
1,B,1,
2,C,,5
3,D,34.4,0

代码:

import pandas as pd
import numpy as np

df = pd.read_csv("grid.txt", sep=",",index_col=[0])  

del df["Code"]

def custom_sub(x1, x2):
    if np.isnan(x1) or np.isnan(x2):
       if np.isnan(x1) and np.isnan(x2):
          return np.nan
       else:
          return -x2 if np.isnan(x1) else x1
    else:
       return x1 - x2


s = df.shape[0] // 2

differences = pd.DataFrame([df.iloc[i].combine(df.iloc[df.shape[0]-i-1], custom_sub) for i in range(s)])

print(differences)