Skip to main content
 首页 » 编程设计

python之Pandas :如何测试结果

2024年10月24日17qlqwjy

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。