我想在此数据帧上进行的计算非常简单,但我还是没有想到任何初步代码。 “10”列中的数据已排序(升序)。
我想: 1. '10' 列的第一行 * 1.05(加 5%) 例如:871103 * 1.05 = 914658.15(df 中最接近的值为 914657) 2.统计行数,查找更接近结果find的数据 在 1. 例如:下面 df 中的第 16 行。 3. 将“2”列中的相同行数相加。 例如:下面 df 中的 0.04242
数据框示例:
2 10
1
asks: 0.1546 871103
0.011 871280
0.004 871315
0.01 871333
0.004 871341
0.0106 871347
0.01 871347
0.023 871363
0.002 871365
0.01 871401
0.001 871462
0.139 871477
0.005 871483
0.005 871499
0.03 871502
0.005 914657
0.01119222 914800
0.50000013 920000
输出:
2 10
1
asks: 0.4242 914657
请您参考如下方法:
假设 df 是您的数据框:
idx = (df['10'] - (df['10'][0] * 1.05)).abs().idxmin()
csdf = df.cumsum()
csdf['10'] = df['10']
idx 是您要查找的行的索引:获取查找列 '10' 和每个值之间的差的绝对值的最小值'10' 列的第一个值乘以 1.05。
csdf是对df的元素进行累加求和得到的新dataframe,然后我替换了csdf的 与 '10'列df 的原始列 '10'。
所以
csdf.iloc[idx]
是您要查找的行。
