在數據框Python中選擇通用元素

Question

我有3個DF，我想找到所有具有相同方向的單元（即，在DF上始終為正或始終為負）：

test=pd.DataFrame([[0,1,0,3],
                   [-1,3,0,2],
                   [2,1.5,-3,1]],
                  columns=['a','b','c','d']
                   )
test2=pd.DataFrame([[1,1,0,2],
                   [1,-3,0,1],
                   [2,1.5,-2,1]],
                  columns=['a','b','c','d']
                   )
test3=pd.DataFrame([[1,2,0,2],
                   [1,-2,0,1],
                   [2,1.5,-2,1]],
                  columns=['a','b','c','d']
                   )

結果應為3個數據框，其中不一致的元素顯示NA。 例如，對於test1 ，它將是：

test=pd.DataFrame([[NA,1,NA,3],
                   [NA,NA,NA,2],
                   [2,1.5,-3,1]],
                  columns=['a','b','c','d']
                   )

注意，不考慮0（即導致NA）。 我可以逐個單元地執行此操作，但是我想知道是否可以一次在整個數據幀中執行此操作？

我試圖做((test>0)&(test1>0)&(test2>0)) ，但是可以，但是我不能將它與底片合並。

提前非常感謝

Answer 1

一種略有不同的方法-您可以將基礎數組堆疊在一起，使用np.sign ，然后求和並求和並np.sign添加的維，以生成df.where的掩碼。

In [58]: m, n = test.shape

In [59]: signs = np.sign(np.dstack((test, test2, test3)))

In [60]: mask = np.abs(np.sum(signs, -1)) == m

In [61]: test.where(mask)
Out[61]: 
     a    b    c  d
0  NaN  1.0  NaN  3
1  NaN  NaN  NaN  2
2  2.0  1.5 -3.0  1

Answer 2

您可以在相等性測試中使用np.sign和加法，然后where執行此操作：

 test.where(np.sign(test).add(np.sign(test2)).add(np.sign(test3)).abs() == 3)

輸出：

     a    b    c  d
0  NaN  1.0  NaN  3
1  NaN  NaN  NaN  2
2  2.0  1.5 -3.0  1