Skip to main content
 首页 » 编程设计

python之将公式应用于多索引列 Python

2024年10月25日10lexus

预先感谢您的帮助。

对 Pandas 来说足够新是危险的。

想要将公式和标签结果应用于多索引数据框。

以下作品:

import pandas as pd 
import numpy as np  
 
N = 100 
dates = pd.date_range('19971002', periods=N, freq='B') 
df =pd.DataFrame(np.random.randn(len(dates),2),index=dates,columns=list('AB'))  
df1 =pd.DataFrame(np.random.randn(len(dates),2),index=dates,columns=list('AB')) 

我添加了两列,“pattern”(用于标签)和“delta”(公式)。

df['pattern'] = 'foo' 
df['delta'] = df.A - df.B 
df.loc[(df.A > df.B),'pattern']= 'bar' 
df.loc[(df.A < df.B),'pattern'] = 'bat'   
 
df.head() 
 
                A       B          pattern  delta 
1997-10-02  -0.685254   2.264847    bat -2.950101 
1997-10-03  -1.087783   1.953508    bat -3.041291 
1997-10-06  1.094727    0.612298    bar 0.482429 
1997-10-07  -1.093363   1.791276    bat -2.884639 
1997-10-08  -0.916725   2.225537    bat -3.142262 

我在连接两个数据帧时遇到了麻烦。想要将 df 和 df1 合并到单个数据框中,以便我可以获得“bar”和“bat”的最高值,以及标识数据(行)是来自 DF 还是来自 DF1 的附加列。

data = pd.DataFrame(pd.concat([df, df1], axis=1, keys=['DF', 'DF1'])) 
 
df.head() 
            DF                      DF1 
            A           B           A           B 
1997-10-02  0.360254    -0.477511   -0.017894   0.226474 
1997-10-03  -0.226963   -1.302804   -1.615174   -0.330607 
1997-10-06  0.524860    2.597518    -0.041241   1.432354 
1997-10-07  -0.672445   1.741740    0.011852    0.013495 
1997-10-08  0.969295    0.240990    0.682385    0.875781 

我试过几种方法,例如:

data['value'] = 'foo' 
data['delta'] = data.A - data.B 
data.loc[(data.A > data.B),'pattern']= 'bar' 
data.loc[(data.A < data.B),'pattern'] = 'bat'   

并获取错误信息。

直觉告诉我我需要分组然后应用公式,我可以处理(我认为),但我如何使用标签('pattern')?

目标是:

            Column pattern delta 
1997-10-02  DF     bat     -2.950101 
1997-10-03  DF     bat     -3.041291 
1997-10-06  DF1    bar     0.482429 
1997-10-07  DF     bat     -2.884639 
1997-10-08  DF1    bat     -3.142262 

再次感谢您!

请您参考如下方法:

IIUC,你可以简单地通过堆叠然后进行 groupby 来获得大部分方法:

data = data.stack(level=0) 
data['pattern'] = 'foo' 
data['delta'] = data.A - data.B 
data.loc[(data.A > data.B),'pattern']= 'bar' 
data.loc[(data.A < data.B),'pattern'] = 'bat'   
final = data.loc[data.groupby(level=0)["delta"].idxmax()] 

给我类似的东西

>>> final 
                       A         B pattern     delta 
1997-10-02 DF   0.536219 -1.019708     bar  1.555927 
1997-10-03 DF   1.702837 -1.204639     bar  2.907477 
1997-10-06 DF1  0.448117  0.302420     bar  0.145697 
1997-10-07 DF  -0.563475  0.778225     bat -1.341700 
1997-10-08 DF   1.072564  0.695792     bar  0.376772 
1997-10-09 DF   0.739936 -0.290353     bar  1.030290 
1997-10-10 DF1 -0.124411  0.351603     bat -0.476014 
1997-10-13 DF1 -0.390445 -0.208104     bat -0.182341 
1997-10-14 DF1 -0.153270 -1.464505     bar  1.311235 
1997-10-15 DF1  0.081881 -1.382577     bar  1.464458 

您可以在其中重置索引并根据需要更改列名。这是可行的,因为堆叠将列中的 DF 拉出:

>>> data.stack(level=0) 
                       A         B 
1997-10-02 DF   0.060752 -0.858375 
           DF1  0.923508 -1.188595 
1997-10-03 DF  -0.820430 -1.964643 
           DF1 -0.989516 -0.916772 
[...] 

最后,因为 .idxmax() 给了我们 delta 达到最大值的索引,我们可以用它来索引帧。


旁白:这是个人偏好,但我喜欢使用 np.sign(1 表示正数,0 表示 0,-1 表示负数)然后 replace 而不是三行用于您的 pattern 翻译。例如:

np.sign(data["delta"]).replace({1: "bar", 0: "foo", -1: "bat"})