Início / coding / Perguntas / 78056667
Accepted
cicciodevoto
Asked: 2024-02-26 00:03:39 +0800 CST

Preencha o array Numpy com elementos do DataFrame e com condição baseada no último elemento do próprio array

  • 772

Eu tenho um pandasdataframe com 2 colunas (longitude e latitude) ordenadas em ordem decrescente com base na primeira coluna.

Gostaria de preencher um numpyarray com os elementos do dataframe quando o elemento da segunda coluna for maior que o último elemento do próprio array.

Eu escrevi este código:

coords_array = df.sort_values("lon", ascending=False).to_numpy()

new_array = np.array([coords_array[0]])

for coords in coords_array [1:]:
    if coords[1] > new_array[-1][1]:
        new_array = np.vstack([new_array, coords])

esse código faz o que eu quero, mas gostaria de torná-lo mais numpyamigável e evitar o forloop. Isso também é para eu ficar mais confiante numpy.

Eu estava tentando np.apply_along_axiscombinar com lambdafunction e walrus operator :=, isso porque o último elemento de new_arraypode mudar, não é fixo, então algo assim:

new_array = np.array([coords_array[0]])

np.apply_along_axis(lambda x: (new_array := np.vstack([new_array, coords])) if x[1] > new_array[-1][1] else _, 1, coords_array[1:])

mas isso me dá o erro:

UnboundLocalError: local variable 'new_array' referenced before assignment

considera new_arraycomo variável local; Acho que estou entendendo mal o operador da morsa...

Alguma sugestão de como posso remover o forloop?

Estou interessado em entender por que meu código não funciona, mas fico feliz com qualquer outra sugestão.

Atualizar

Este é um exemplo mínimo.

Se o DataFrame for:

df = pd.DataFrame({"lon": [4, 2, 1, 6, 4, 5, 2], "lat": [3, 2, 3, 2, 2, 1, 6]})

coords_arrayé obtido ordenando dfcom base em "lon"valores:

coords_array
array([[6, 2],
       [5, 1],
       [4, 3],
       [4, 2],
       [2, 2],
       [2, 6],
       [1, 3]], dtype=int64)

A primeira coluna de coords_arrayis "lon"e a segunda é "lat".

new_arrayé inicializado com o primeiro elemento de coords_arraye os outros são adicionados com o loop somente se coords_array "lat"for maior que o "lat"do new_arrayúltimo elemento.

Então new_arrayé:

new_array
array([[6, 2],
       [4, 3],
       [2, 6]], dtype=int64)
python-3.x

2 respostas

  1. Que tal:

    import numpy as np

# prepare example data in which first column is sorted
rng = np.random.default_rng(258494252)
x = rng.integers(100, size=(100, 2))
x[:, 0] = np.sort(x[:, 0])[::-1]

# if your data is already sorted by the first column, start here
# find running maximum value in second column
y = np.maximum.accumulate(x[:, 1])

# keep only the rows for which it increases
i = np.diff(y, prepend=-np.inf) > 0
x[i]
# array([[98, 47],
#        [97, 71],
#        [97, 82],
#        [94, 89],
#        [87, 99]])
    • 2
  2. Best Answer

    Aqui está um método pandas:

    import pandas as pd
df.sort_values('lon', ascending = False).loc[lambda x: x['lat'].cummax() == x['lat']]

   lon  lat
3    6    2
0    4    3
6    2    6
    • 1

relate perguntas