识别数据框中不断增加的功能

Question

我有一个数据框架，该框架显示具有累积值的某些功能。 我需要识别这些功能以便还原累积值。 这是我的数据集的外观（加上大约50个变量）：

a      b     
346    17    
76     52    
459    70    
680    96    
679    167   
246    180   

我希望实现的是：

a      b     
346    17    
76     35    
459    18    
680    26    
679    71   
246    13   

我似乎是这个答案，但它首先还原值，然后尝试识别列。 我不能反过来吗？ 首先确定功能，然后还原值？

在数据框中查找累积特征？

我现在正在运行以下代码，以便为我提供具有累积值的功能名称：

 def accmulate_col(value):
     count = 0
     count_1 = False
     name = []
     for i in range(len(value)-1):
         if value[i+1]-value[i] >= 0:
             count += 1
         if value[i+1]-value[i] > 0:
             count_1 = True
     name.append(1) if count == len(value)-1 and count_1 else name.append(0)
     return name

 df.apply(accmulate_col)

之后，我将这些功能名称手动保存在一个名为cum_features的列表中，并还原这些值，以创建所需的数据集：

df_clean = df.copy()
df_clean[cum_cols] = df_clean[cum_features].apply(lambda col: np.diff(col, prepend=0))

有没有更好的方法来解决我的问题？

Answer 1

为了确定在整个列中哪些列的值具有递增*，您将需要对所有值应用条件。 因此，从这种意义上讲，您必须首先使用值来确定哪些列符合条件。

有了这种方式，给定一个数据框，例如：

import pandas as pd
d = {'a': [1,2,3,4],
     'b': [4,3,2,1]
     }
df = pd.DataFrame(d)
#Output:
   a  b
0  1  4
1  2  3
2  3  2
3  4  1

弄清楚哪些列包含递增的值只是在数据帧中的所有值上使用diff并检查整个列中哪些递增的问题。

可以写成：

out = (df.diff().dropna()>0).all()
#Output:
a     True
b    False
dtype: bool

然后，您可以仅使用列名选择其中包含True那些列。

new_df = df[df.columns[out]]
#Output:
   a
0  1
1  2
2  3
3  4

---

*（术语“累计”并不真正代表您所使用的条件。您希望它是累计的还是只是增加？累积表示特定行/索引中的值是该索引之前所有先前值的总和，同时增加仅仅是，当前行/索引中的值大于先前的值。）