主页 / coding / 问题 / 79158535
Accepted
AmirX
Asked: 2024-11-05 17:50:36 +0800 CST

如何检查某一列的先前值以找到大于另一列中选定行的值？

  • 772

这是我的数据框：

import pandas as pd
df = pd.DataFrame({
    'a': [10, 20, 30, 1, 20, 3, 4, 0],
    'b': [30, 3, 11, 25, 24, 31, 29, 2],
    'c': [True, True, True, False, False, True, True, True]
})

预期输出正在创建列d：

    a   b      c    d
0  10  30   True    NaN
1  20   3   True    10
2  30  11   True    20
3   1  25  False    NaN
4  20  24  False    NaN
5   3  31   True    NaN
6   4  29   True    30
7   0   2   True    4

首先选择其中的值b。c我True逐行解释这个过程，1因为这样更容易理解。

中的值为b3，则应检查其以上所有值。并且a应选择其中大于 3 的最近值。因此选择 10。

对于行号2，其值为 11。与该值最接近且大于该值的a值为 20。

对于第 3 行和第 4 行，由于c是False，因此NaN应该选择。

对于行5，由于 中没有大于 31 的先前值a，NaN因此被选中。

对于行，其中大于 29 的6最接近的值是 30。a

这是我迄今为止尝试过的方法。它没有给我输出。我认为我采取的方法可能是正确的。

t = df['a'].to_numpy()
h = df['b'].to_numpy()

m2 = t < h[:, None]
df['d'] = np.nanmax(np.where(m2, t, np.nan), axis=1)
python

2 个回答

  1. 要找到列“a”中大于列“b”中当前值的最近的前一个值（仅当“c”为 True 时），您可以使用矢量化方法或简单的循环解决方案。

    def find_previous_greater(df):
    result = pd.Series(index=df.index, dtype=float)
    for idx in df[df['c']].index:
        prev_vals = df.loc[:idx-1, 'a']
        if len(prev_vals) > 0:
            greater_vals = prev_vals[prev_vals > df.loc[idx, 'b']]
            if len(greater_vals) > 0:
                result[idx] = greater_vals.iloc[-1]
    return result

df['d'] = find_previous_greater(df)

    这给了我这个输出：

    在此处输入图片描述

    • 1
  2. Best Answer

    一种有效的方法是janitor使用conditional_join：

    #  pip install pyjanitor
import janitor

tmp = df.reset_index()

df.loc[df['c'], 'd'] = (tmp[['index', 'b']]
                        .conditional_join(tmp[['index', 'a']],
                                          ('index', 'index', '>'),
                                          ('b', 'a', '<='),
                                          keep='last', how='left',
                                          right_columns=['a'])
                        .set_index('index')['a']
                       )

    输出：

        a   b      c     d
0  10  30   True   NaN
1  20   3   True  10.0
2  30  11   True  20.0
3   1  25  False   NaN
4  20  24  False   NaN
5   3  31   True   NaN
6   4  29   True  30.0
7   0   2   True   4.0
    • 1

相关问题