[英]Selecting common elements in dataframes Python
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
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
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
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.