如何向量化pandas數據幀前向列值搜索

Question

我想只在正向搜索pandas dataframe列中的目標值，如果找到更大的值，那么我想將索引差異記錄為結果列。 我已經設法用兩個內部for循環來做這個，但它很慢。

這是我想在一個簡化的例子中實現的。

import pandas as pd

d = {
    'Value'  : [8,9,10,12,16,13,11,7,12,18],
    'Target' : [12,12,11,15,19,11,16,11,17,18]
    }
df = pd.DataFrame(data=d)


>>> df

   Target  Value
0      12      8
1      12      9
2      11     10
3      15     12
4      19     16
5      11     13
6      16     11
7      11      7
8      17     12
9      18     18

我們的第一個值是8，我們的目標值是12.我們在Value列中期待超過此目標值的值。 我們在第4行找到值16，我要記錄的是索引差異，即4-0 = 4。

下一個值是9，再次目標值是12.我們期待值並再次找到第4行的值16.Now索引差異是4-1 = 3

讓我們跳到第4行。 我們開始尋找從索引5開始向前的目標值。 如果沒有找到值，則結果為0。

這是我想要達到的結果列。

   Target  Value  Result
0      12      8       4
1      12      9       3
2      11     10       1
3      15     12       1
4      19     16       0
5      11     13       3
6      16     11       3
7      11      7       1
8      17     12       1
9      18     18       0

這可以不用for循環嗎？

Answer 1

使用的比較，設置numpy的上三角矩陣numpy的廣播False ，獲得第一True由指數numpy.argmax ，通過減去arange ，並設置為0所有的底片：

t = df['Target'].values[:, None]
v = df['Value'].values
m = v > t
m[np.tril_indices(m.shape[1])] = False
print (m)
[[False False False False  True  True False False False  True]
 [False False False False  True  True False False False  True]
 [False False False  True  True  True False False  True  True]
 [False False False False  True False False False False  True]
 [False False False False False False False False False False]
 [False False False False False False False False  True  True]
 [False False False False False False False False False  True]
 [False False False False False False False False  True  True]
 [False False False False False False False False False  True]
 [False False False False False False False False False False]]

a = np.argmax(m, axis=1) - np.arange(len(df))
print (a)
[ 4  3  1  1 -4  3  3  1  1 -9]

df['new'] = np.where(a > 0, a, 0)
print (df)
   Value  Target  new
0      8      12    4
1      9      12    3
2     10      11    1
3     12      15    1
4     16      19    0
5     13      11    3
6     11      16    3
7      7      11    1
8     12      17    1
9     18      18    0

Answer 2

您可以將其縮短為僅一個for循環。 使用Series.first_valid_index（）和布爾條件：

df['Result'] = 0
for i, target in enumerate(df.Target):
    val = df[(df.Value>target) & (df.index>i)]['Value'].first_valid_index()
    if val is not None:
        df.at[i, 'Result'] = val - i
df
   Value    Target  Result
0   8        12      4
1   9        12      3
2   10       11      1
3   12       15      1
4   16       19      0
5   13       11      3
6   11       16      3
7   7        11      1
8   12       17      1
9   18       18      0

條件查找Value大於目標的每一行，但也僅在目標索引和first_valid_index將返回滿足條件的第一個索引之后。