![](/img/trans.png)
[英]Compare elements from one dataframe and put the output to another dataframe with pandas
[英]Need to compare one Pandas (Python) dataframe with values from another dataframe
因此,我从sql服务器中提取了数据,并将其输入到数据帧中。 所有数据均为离散形式,并在一个方向上以0.1步长递增(0.0、0.1、0.2 ... 9.8、9.9、10.0),每一步具有多个功效值(例如,在1000、1412、134.5、657.1 0.1),(14.5,948.1,343.8 at 5.5)-希望您能明白我的意思。
我设法使用以下方法将数据分组为这些单独的步骤,然后采用了每组的均值和标准差。
group = df.groupby('step').power.mean() group2 = df.groupby('step').power.std().fillna(0)
这将导致两个数据帧(组和组2)具有0.1个步长的平均值和标准差。 然后,可以使用以下步骤为每个步骤创建上限和下限:
upperlimit = group + 3*group2 lowerlimit = group - 3*group2 lowerlimit[lowerlimit<0] = 0
现在有点让我感到困惑的地方! 我需要回到原始数据帧,并删除幂值超出这些计算的限制的行/实例(请注意,每个0.1步都有不同的上限和下限)。
这是50行示例数据:
Index Power Step
0 106.0 5.0
1 200.4 5.5
2 201.4 5.6
3 226.9 5.6
4 206.8 5.6
5 177.5 5.3
6 124.0 4.9
7 121.0 4.8
8 93.9 4.7
9 135.6 5.0
10 211.1 5.6
11 265.2 6.0
12 281.4 6.2
13 417.9 6.9
14 546.0 7.4
15 619.9 7.9
16 404.4 7.1
17 241.4 5.8
18 44.3 3.9
19 72.1 4.6
20 21.1 3.3
21 6.3 2.3
22 0.0 0.8
23 0.0 0.9
24 0.0 3.2
25 0.0 4.6
26 33.3 4.2
27 97.7 4.7
28 91.0 4.7
29 105.6 4.8
30 97.4 4.6
31 126.7 5.0
32 134.3 5.0
33 133.4 5.1
34 301.8 6.3
35 298.5 6.3
36 312.1 6.5
37 505.3 7.5
38 491.8 7.3
39 404.6 6.8
40 324.3 6.6
41 347.2 6.7
42 365.3 6.8
43 279.7 6.3
44 351.4 6.8
45 350.1 6.7
46 573.5 7.9
47 490.1 7.5
48 520.4 7.6
49 548.2 7.9
换句话说,您希望对分组数据执行一些操作,然后将这些操作的结果投影回未分组的行,以便可以使用它们来过滤那些行。 一种方法是使用transform
:
transform方法返回一个索引的对象与被分组的对象相同(大小相同)。 因此,传递的转换函数应返回与组块大小相同的结果。
然后,您可以直接创建新行:
df['upper'] = df.groupby('step').power.transform(lambda p: p.mean() + 3*p.std().fillna(0))
df['lower'] = df.groupby('step').power.transform(lambda p: p.mean() - 3*p.std().fillna(0))
df.loc[df['lower'] < 0, 'lower'] = 0
并据此排序:
df = df[(df.power <= df.upper) & (df.power >= df.lower())]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.