如何为dataframe中的各个列创建基于不同布尔条件的新列
如何为dataframe中的各个列创建基于不同布尔条件的新列
提问于 2019-04-29 00:42:01
我想创建一个二进制列，如果dataframe中恰好有一列满足逻辑条件A，而dataframe中的另一列满足逻辑条件A或逻辑条件B，则该列标记为yes。因此，如果两个单独的列满足上述条件，新列将只有1。
每一列都是每年的单独产品计数。条件A:如果一个产品(即"c1")在本年度卖出了8个产品，则前一年的1-6个产品和前一年(2年前)的1-6个产品满足条件A。条件B:如果任何其他产品(例如，不是"c1“，即"c3")满足上述条件A，或者在本年度售出8件，前一年售出8件，两年前售出8件，则满足条件B。因此，只有当特定年份中的任意2列满足上述条件时，成功才能为1。一列必须满足条件A，另一列必须满足条件B。
import numpy as np
import pandas as pd
df = pd.DataFrame({'C1':[7,3,2,8,3,4,6,8,3,2],'C2':[2,5,4,8,8,8,3,2,8,4],'C3': [7,5,4,6,7,8,6,8,1,7],
'C4':[3,4,4,6,4,2,6,3,2,6],'C5':[6,4,0,8,4,2,6,6,7,8],'Year':[2010,2011,2012,2013,2014,2015,2016,2017,2018,2019]})
df.set_index('Year', inplace=True)
df1 =df[::-1]
df1
_1_CorrA =((df1.eq(8)) & (df1.shift(-1).isin([1,6])) & (df1.shift(-2).isin([1,6]))).sum(axis=1)==1
_1_CorrB =(((df1.eq(8)) & (df1.shift(-1).eq(8)) & (df1.shift(-2).eq(8))) |
((df1.eq(8)) & (df1.shift(-1).isin([1,6])) & (df1.shift(-2).isin([1,6])))).sum(axis=1)==1
Strategy = (((_1_CorrA) & (_1_CorrB)))
df1['Success']=np.where(Strategy,1,0)
我希望在索引行2015和2013中看到1，因为这是仅有的两行，其中恰好有两个不同的列满足上述条件。
回答 2
Stack Overflow用户
回答已采纳
发布于 2019-04-29 01:23:50
成功意味着恰好有两列满足条件A (a.sum(1).eq(2))，或者一列满足条件A，而另一列满足条件B，因此当前年份和前两年的每一年都等于目标值8。
为了确保同一列不同时满足条件A和条件B，我从条件A获取成功列，并确保它不等于条件B的成功列(a.idxmax(1).ne(b.idxmax(1)))。只有在条件A和条件B都只有一次成功时，才会进行这种比较，因此我可以使用idxmax来获取通过该条件的列。
target = 8
upper_limit = 6
lower_limit = 1
df1_shift1 = df1.shift(-1)
df1_shift2 = df1.shift(-2)
a = (
df1.eq(target)
& df1_shift1.ge(lower_limit)
& df1_shift1.le(upper_limit)
& df1_shift2.ge(lower_limit)
& df1_shift2.le(upper_limit)
)
b = (
df1.eq(target)
& df1_shift1.eq(target)
& df1_shift2.eq(target)
)
success = (
a.sum(1).eq(2)
| (a.sum(1).eq(1)
& b.sum(1).eq(1)
& a.idxmax(1).ne(b.idxmax(1)))
)
>>> df1.assign(Success=success)
C1 C2 C3 C4 C5 Success
Year
2019 2 4 7 6 8 False
2018 3 8 1 2 7 False
2017 8 2 8 3 6 False
2016 6 3 6 6 6 False
2015 4 8 8 2 2 False
2014 3 8 7 4 4 False
2013 8 8 6 6 8 True
2012 2 4 4 4 0 False
2011 3 5 5 4 4 False
2010 7 2 7 3 6 FalseStack Overflow用户
发布于 2019-04-29 01:30:31
我认为你应该使用DataFrame.apply()来帮助你。
例如：
df = pd.DataFrame({'C1':[7,3,2,8,3,4,6,8,3,2],
'C2':[2,5,4,8,8,8,3,2,8,4],
'C3': [7,5,4,6,7,8,6,8,1,7],
'C4':[3,4,4,6,4,2,6,3,2,6],
'C5':[6,4,0,8,4,2,6,6,7,8],
'Year':[2010,2011,2012,2013,2014,2015,2016,2017,2018,2019]})
def my_rule(row):
C1 = row['C1']
C2 = row['C2']
C3 = row['C3']
C4 = row['C4']
C5 = row['C5']
year = row['year']
# write your rule of C1,...,C5 here
if ...:
return 1
else:
return 0
df['Success'] = df.apply(lambda row: my_rule(row), axis=1)希望这能回答你的问题。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/55892435
复制相关文章
相似问题