假设您有一个简单的数据框
low_signal high_signal condition prevision
0 1.2 1.3 1 1.7
1 1.7 1.8 1 1.8
2 1.9 2.0 1 1.9
3 1.6 1.7 -1 1.5
4 1.3 1.4 -1 1.4
现在我想研究我的预测是否正确,如果正确我想知道时间(在这种情况下我们可以说它等于索引)
我的第一个条件
if df.condition == 1
第二个是检查 df.prevision 是否会低于或等于 df.low_signal。
如果条件为真则
return is the index (in study) of the df.predicted - the index of df.low_signal
low_signal high_signal condition prevision verification
0 1.2 1.3 1 1.7 1
1 1.7 1.8 1 1.8 1
2 1.9 2.0 1 1.9 0
3 1.6 1.7 -1 1.5 1
4 1.3 1.4 -1 1.4 0
那只是为了 df.condition == 1
对于 df.condition == -1 几乎相同,但检查的是 df.prevision 是否会大于或等于 df.high_signal
请您参考如下方法:
一个简单的解决方法:
In [18]:
df['verification'] = ((df['high_signal'] <= df['prevision']) & (df['condition'] == 1)) \
| ((df['low_signal'] <= df['prevision']) & (df['condition'] == -1))
In [19]:
df
Out[19]:
low_signal high_signal condition prevision verification
0 1.2 1.3 1 1.7 True
1 1.7 1.8 1 1.8 True
2 1.9 2.0 1 1.9 False
3 1.6 1.7 -1 1.5 False
4 1.3 1.4 -1 1.4 True
可能你知道在 python 中 True 和 False 对应于 1 和 0,但是如果你想将 verification 列视为 int,只需执行以下操作:
In [20]:
df['verification'] = df['verification'].astype(int)
希望对您有所帮助。
编辑:我根据您的评论更新了答案。我不太了解“功能要求”,但无论如何,如果您有更复杂的操作,您可以使用 pandas' apply
你的情况有点棘手,因为:
- 您想在
apply函数中访问索引,但我认为您做不到 - 您想遍历整个数据框
但是无论如何,解决您在评论中输入的表达式,您可以先在数据框中添加一个包含索引副本的列,
In [27]:
df['index_cp'] = df.index
然后使用apply函数,
In [28]:
len_df = len(df)
def f(x):
for n in range(len_df):
if x.condition == 1 & (x.prevision <= df.low_signal[n]):
return n - x.index_cp
df.apply(f, axis=1)
Out[28]:
0 1
1 1
2 0
3 NaN
4 NaN
dtype: float64
可能您需要修改功能,但正如我所说,我没有得到“功能” View ,我刚刚实现了您发布的内容。希望对您有所帮助。
