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

Como posso verificar valores anteriores de uma coluna para encontrar o valor que é maior que a linha selecionada em outra coluna?

  • 772

Este é meu DataFrame:

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]
})

A saída esperada é criar a coluna 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

Primeiro de tudo, os valores em bque cestão Truesão selecionados. Explico o processo a partir da linha 1porque é mais fácil de entender.

O valor em bé 3, então todos os valores acima dele devem ser verificados. E o valor MAIS PRÓXIMO em aque for maior que 3 deve ser selecionado. Então 10 é selecionado.

para a linha número 2, o valor é 11. O valor mais próximo deste que é maior que ele aé 20.

Para as linhas 3 e 4, cis False. NaNdeve ser selecionado.

Para a linha 5, como não há valores anteriores maiores que 31 em a, , NaNé selecionado.

Para a linha 6, o valor mais próximo que afor maior que 29 é 30.

Foi isso que tentei até agora. Não me dá a saída. Acho que a abordagem que estou tomando pode estar correta.

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 respostas

  1. Para encontrar o valor anterior mais próximo na coluna 'a' que seja maior que o valor atual na coluna 'b' (somente onde 'c' é Verdadeiro), você pode usar uma abordagem vetorizada ou uma solução de loop simples.

    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)

    Isso me dá esta saída:

    insira a descrição da imagem aqui

    • 1
  2. Best Answer

    Uma abordagem eficiente seria usar janitor's 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']
                       )

    Saída:

        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

relate perguntas