Início / coding / Perguntas / 79367366
Accepted
Sun Jar
Asked: 2025-01-18 22:57:11 +0800 CST

Pandas dataframe adiciona uma coluna de marca por duas outras colunas condição

  • 772

Existe um dataframe como este:

import numpy as np
import pandas as pd

df = pd.DataFrame({'x':np.arange(1,29),'y':[5.69, 6.03, 6.03, 6.03, 6.03, 6.03, 6.03, 5.38, 5.21, 5.4 , 5.24,
       5.4 , 5.36, 5.47, 5.58, 5.5 , 5.61, 5.53, 5.4 , 5.51, 5.47, 5.44,5.39, 5.27, 5.38, 5.35, 5.32, 5.09],
          'valley':[1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1],
          'peak':[0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0,0, 0, 0, 0, 0, 0]})

>>> df
     x     y  valley  peak
0    1  5.69       1     0
1    2  6.03       0     0
2    3  6.03       0     1
3    4  6.03       0     0
4    5  6.03       0     0
5    6  6.03       0     0
6    7  6.03       0     0
7    8  5.38       0     0
8    9  5.21       1     0
9   10  5.40       0     0
10  11  5.24       0     0
11  12  5.40       0     0
12  13  5.36       0     0
13  14  5.47       0     0
14  15  5.58       0     0
15  16  5.50       0     0
16  17  5.61       0     1
17  18  5.53       0     0
18  19  5.40       0     0
19  20  5.51       0     0
20  21  5.47       0     0
21  22  5.44       0     0
22  23  5.39       0     0
23  24  5.27       0     0
24  25  5.38       0     0
25  26  5.35       0     0
26  27  5.32       0     0
27  28  5.09       1     0

Espero adicionar uma nova coluna 'grp' a este dataframe, com o requisito de que para cada linha que começa com "1" na coluna do vale e termina com "1" na coluna do pico, o valor na coluna adicionada seja "A" e, inversamente, para cada linha que começa com "1" na coluna do pico e termina com "1" na coluna do vale, o valor na coluna adicionada seja 'B'.

O resultado desejado é:

>>> out
     x     y  valley  peak  grp
0    1  5.69       1     0  A
1    2  6.03       0     0  A
2    3  6.03       0     1  B
3    4  6.03       0     0  B
4    5  6.03       0     0  B
5    6  6.03       0     0  B
6    7  6.03       0     0  B
7    8  5.38       0     0  B
8    9  5.21       1     0  A
9   10  5.40       0     0  A
10  11  5.24       0     0  A
11  12  5.40       0     0  A
12  13  5.36       0     0  A
13  14  5.47       0     0  A
14  15  5.58       0     0  A
15  16  5.50       0     0  A
16  17  5.61       0     1  B
17  18  5.53       0     0  B
18  19  5.40       0     0  B
19  20  5.51       0     0  B
20  21  5.47       0     0  B
21  22  5.44       0     0  B
22  23  5.39       0     0  B
23  24  5.27       0     0  B
24  25  5.38       0     0  B
25  26  5.35       0     0  B
26  27  5.32       0     0  B
27  28  5.09       1     0  A

Se não usarmos apply com uma função e loops for, existe uma maneira nativa de fazer isso usando pandas?

pandas

1 respostas

  1. Best Answer

    Dada sua descrição, você pode usar np.selectand ffill. Dessa forma, você garantirá que, mesmo se tiver vários picos antes de um vale ou vice-versa, isso manterá a ordem:

    m1 = df['valley'].eq(1)
m2 = df['peak'].eq(1)
df['grp'] = pd.Series(np.select([m1, m2], ['A', 'B'], pd.NA),
                      index=df.index).ffill()

    Variante com case_when:

    m1 = df['valley'].eq(1)
m2 = df['peak'].eq(1)
df['grp'] = df['valley'].case_when([(m1, 'A'), (m2, 'B'), (~(m1|m2), pd.NA)]
                                   ).ffill()

    Ou from_dummiesdepois de adicionar uma nova coluna:

    df['grp'] = (pd.from_dummies(df[['valley', 'peak']]
                             .assign(other=df[['valley', 'peak']]
                                     .sum(axis=1).rsub(1)))
               .squeeze().map({'valley': 'A', 'peak': 'B'}).ffill()
            )

    Ou com remodelação:

    df['grp'] = (df[['valley', 'peak']]
 .rename_axis(columns='col')
 .replace(0, pd.NA).stack().reset_index(-1, name='val')
 .replace({'col': {'valley': 'A', 'peak': 'B'}})['col']
 .reindex(df.index).ffill()
)

    Alternativamente, se sempre há um vale, depois um pico e depois um vale... você pode usar cumsum+ mode mapo grupo depois para identificar qual pico/vale é o primeiro:

    df['grp'] = (df[['valley', 'peak']].max(axis=1).cumsum()
            .add(df[['valley', 'peak']].idxmax().idxmin() == 'peak')
            .mod(2).map({0: 'B', 1: 'A'})
           )

    Saída:

         x     y  valley  peak grp
0    1  5.69       1     0   A
1    2  6.03       0     0   A
2    3  6.03       0     1   B
3    4  6.03       0     0   B
4    5  6.03       0     0   B
5    6  6.03       0     0   B
6    7  6.03       0     0   B
7    8  5.38       0     0   B
8    9  5.21       1     0   A
9   10  5.40       0     0   A
10  11  5.24       0     0   A
11  12  5.40       0     0   A
12  13  5.36       0     0   A
13  14  5.47       0     0   A
14  15  5.58       0     0   A
15  16  5.50       0     0   A
16  17  5.61       0     1   B
17  18  5.53       0     0   B
18  19  5.40       0     0   B
19  20  5.51       0     0   B
20  21  5.47       0     0   B
21  22  5.44       0     0   B
22  23  5.39       0     0   B
23  24  5.27       0     0   B
24  25  5.38       0     0   B
25  26  5.35       0     0   B
26  27  5.32       0     0   B
27  28  5.09       1     0   A
    • 1

relate perguntas