Skip to main content
 首页 » 编程设计

python之匹配多列值的函数

2025年02月15日15Leo_wl

使用以下测试数据:

df2 = pd.DataFrame(np.random.randn(12, 3), columns=['A', 'B', 'C']) 
thresh = .3 
df2['matches'] = np.where(df2.A - df2.B < thresh,1,0) 

我创建了 df2['matches']显示值为 1 的列什么时候df2.A - df2.B < thresh .

        A           B            C      matches 
0   0.501554    -0.589855   -0.751568   0 
1   -0.295198   0.512442    0.466915    1 
2   0.074863    0.343388    -1.700998   1 
3   0.115432    -0.507847   -0.825545   0 
4   1.013837    -0.007333   -0.292192   0 
5   -0.930738   1.235501    -0.652071   1 
6   -1.026615   1.389294    0.035041    1 
7   0.969147    -0.397276   1.272235    0 
8   0.120461    -0.634686   -1.123046   0 
9   0.956896    -0.345948   -0.620748   0 
10  -0.552476   1.376459    0.447807    1 
11  0.882275    0.490049    0.713033    0 

但是,我实际上想比较所有三列,如果值在 thresh 内它将返回一个与 df2['matches] 中的匹配项数量相对应的数字.

例如,如果 Col A = 1、B = 2 和 C = 1.5 并且 thresh 为 .5,则函数将在 ['matches'] 列中返回 3。

是否有一个函数已经在做类似的事情或者任何人都可以提供帮助?

请您参考如下方法:

您可以为每对列使用阈值,然后对生成的 bool 列求和以获得所需的数字。但是请注意,此数字取决于您比较列的顺序。如果您使用 abs(df['A']-df['B']) 等,这种歧义就会消失,这很可能是您的意图。下面我假设这就是您所需要的。

通常,您可以使用 itertools.combinations 生成每对列一次:

from itertools import combinations 
df = pd.DataFrame(np.random.randn(12, 3), columns=['A', 'B', 'C']) 
thresh = .3 
df['matches'] = sum(abs(df[k1]-df[k2])<thresh for k1,k2 in combinations(df.keys(),2)) 

sum() 中的生成器表达式遍历每一对列,并构造相应的 bool 向量。对每对列求和,并将结果列附加到数据框。

thresh = 0.3 的示例输出:

           A         B         C  matches 
0   0.146360 -0.099707  0.633632        1 
1   1.462810 -0.186317 -1.411988        0 
2   0.358827 -0.758619  0.038329        0 
3   0.077122 -0.213856 -0.619768        1 
4   0.215555  1.930888 -0.488517        0 
5  -0.946557 -0.904743 -0.004738        1 
6  -0.080209 -0.850830 -0.866865        1 
7  -0.997710 -0.580679 -2.231168        0 
8   1.762313 -0.356464 -1.813028        0 
9   1.151338  0.347636 -1.323791        0 
10  0.248432  1.265484  0.048484        1 
11  0.559934 -0.401059  0.863616        0 

使用 itertools.combinations,将列比较为

>>> [k for k in itertools.combinations(df.keys(),2)] 
('A', 'B'), ('A', 'C'), ('B', 'C')] 

但如果您使用的是绝对值,这真的无关紧要(从那时起,差异就列而言是对称的)。