检查一列中的每个值与一个数据框中另一列的每个值

Question

我有以下数据框：

import pandas as pd
dict = {'val1':["3.2", "2.4", "-2.3", "-4.9","0"], 
        'class': ["1", "0", "0", "0", "1"],
       'val2':["3.2", "2.7", "1.7", "-7.1", "0"]} 
df = pd.DataFrame(dict) 
df
    val1    class   val2
0   3.2     1       3.2
1   2.4     0       2.7
2  -2.3     0       1.7
3  -4.9     0      -7.1
4   0.0     1       0.0

我想检查两件事：1）对于符号：如果列 val1 中记录的符号与列 val2 的符号不同（例如：索引 2 处的值的符号不相同），在这种情况下更改值 2 的符号到值 1 的符号。期望的输出是这样的：

    val1    class   val2
0   3.2     1       3.2
1   2.4     0       2.7
2  -2.3     0      -1.7
3  -4.9     0      -7.1
4   0.0     1       0.0

2) 第二次检查：val2 列中的值是否在 val1 列中的值+2 和-2 之间的区间内。 例如：在索引 2: 2.4 处的记录在 [2.7+2: 2.7-2] 范围内。 如果条件为真，那么我想将类从 0 更改为 1。所需的输出是：

    val1    class   val2
0   3.2     1       3.2
1   2.4     1       2.7
2  -2.3     1      -1.7
3  -4.9     0      -7.1
4   0.0     1       0.0

Answer 1

如有必要，首先将值转换为浮点数，然后使用numpy.sign设置符号，然后第二次使用Series.between ：

df['val1'] = df['val1'].astype(float)
df['val2'] = df['val2'].astype(float)

df['val2'] *= np.sign(df['val1']) * np.sign(df['val2'])
df['class'] = df['val2'].between(df['val1'] - 2, df['val1'] + 2).astype(int)
#alternative
#df['class'] =  np.where(df['val2'].between(df['val1'] - 2, df['val1'] + 2), 1, 0)
print (df)
   val1  class  val2
0   3.2      1   3.2
1   2.4      1   2.7
2  -2.3      1  -1.7
3  -4.9      0  -7.1
4   0.0      1   0.0

Answer 2

尝试这个：

import numpy as np
# Check 1
df['val2'] = df.apply(lambda x: np.sign(x['val1']) * np.sign(x['val2']) * x['val2'], axis=1)

# Check 2
df['class'] = df.apply(lambda x: int(abs(x['val1'] - x['val2']) < 2) , axis=1)

Answer 3

我认为这将在不使用任何其他库的情况下解决您的查询：

def signfunc(x,y):
    if x*y >= 0:
        return y
    else:
        return -1*y

df['val1'] = df['val1'].astype(float)
df['val2'] = df['val2'].astype(float)
df['val2'] = df.apply(lambda x: signfunc(x.val1, x.val2), axis=1)
print(df)

df.loc[abs(df["val1"]-df["val2"])<=2, 'class'] = 1

print(df)