[英]how to subtract previous row value from current row value based on condition in pandas DataFrame?
[英]Create list from value in current row and previous row based on condition
我有一個 dataframe 有兩列'a'和'b',其中'b'是'a'的值和前一個值'a'之間的差異
df = pd.DataFrame({'a': [10, 60, 30, 80, 10]})
df['b'] = df['a']-df['a'].shift(1)
a b
0 10 NaN
1 60 50.0
2 30 -30.0
3 80 50.0
4 10 -70.0
我想創建一個新列“c”,其值作為“a”的先前值和“a”的當前值(例如,[60,30])的列表,僅在“b”列為負的情況下。 否則,它必須是當前值“a”本身的列表。
生成的 output 應該看起來像
a b c
0 10 NaN [10]
1 60 50.0 [60]
2 30 -30.0 [60, 30]
3 80 50.0 [80]
4 10 -70.0 [80, 10]
如果 numpy 數組中的b < 0
使用列表推導創建列表,其中由Series.shift
添加的DataFrame.assign
移位輔助列s
:
arr = df.assign(s = df['a'].shift(fill_value=0))[['a','b','s']].to_numpy()
df['c'] = [[s,a] if b < 0 else [a] for a,b,s in arr]
print (df)
a b c
0 10 NaN [10.0]
1 60 50.0 [60.0]
2 30 -30.0 [60.0, 30.0]
3 80 50.0 [80.0]
4 10 -70.0 [80.0, 10.0]
或者與由列表壓縮創建的一個元素列表一起使用Series.mask
:
s = pd.Series([[x] for x in df['a']], index=df.index)
#alternative
s = df['a'].apply(lambda x: [x])
df['c'] = s.mask(df['b'].lt(0), s.shift() + s)
print (df)
a b c
0 10 NaN [10]
1 60 50.0 [60]
2 30 -30.0 [60, 30]
3 80 50.0 [80]
4 10 -70.0 [80, 10]
使用Series.to_numpy
並通過添加 newaxis 來增加維度,然后使用 boolean 索引與Series.lt
並分配新值:
df['c'] = df['a'].to_numpy()[:, None].tolist()
df.loc[df['b'].lt(0), 'c'] = df['c'].shift() + df['c']
結果:
a b c
0 10 NaN [10]
1 60 50.0 [60]
2 30 -30.0 [60, 30]
3 80 50.0 [80]
4 10 -70.0 [80, 10]
加載數據:
df = pd.DataFrame({'a': [10, 60, 30, 80, 10]})
df['b'] = df['a']-df['a'].shift(1)
創建一個臨時的 Numpy 矩陣:
npa = np.array([df['a'].shift(1), df['a']]).transpose()
將矩陣寫入新的 df 列“c”:
df['c'] = list(npa)
如果“b”列中的值大於 0 或 NAN,則將“a”中的值復制到“c”:
df.loc[(df['b'] > 0) | (df['b'].isnull() == True) , 'c'] = pd.Series([[x] for x in df['a']])
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.