Question

我正在尝试编写一个函数，使我能够在另一列中满足条件时对行的子集进行迭代迭代。我的Value store flag 0 16051.249 0 0 36 16140.792 0.019822 0 0 16150.500 AAA 1 37 16155.223 1.24698 0 1 16199.700 BBB 1 38 16235.732 1.90162 0 41 16252.594 2.15627 0 2 16256.300 CCC 1 42 16260.678 2.15627 0 1048 17071.513 14.7752 0 3 17071.600 DDD 1 1049 17072.347 14.7752 0 1391 17134.538 16.7026 0 4 17134.600 EEE 1 1392 17134.635 16.7026 0 1675 17227.600 19.4348 0 5 17227.800 EFG 1 1676 17228.796 19.4348 0 1722 17262.189 20.5822 0 6 17264.300 XYZ 1 1723 17266.625 20.6702 0 2630 17442.770 32.7927 0 7 17442.800 ZZZ 1 2631 17442.951 32.7927 0 3068 17517.492 37.6485 0 8 17517.500 TTT 1 3069 17518.296 37.6485 0 3295 17565.776 38.2871 0 9 17565.800 SDF 1 3296 17565.888 38.2871 0 ... ... ... ...看起来像这样：

flag

我想将以下函数应用于1值等于def f(x): return df.iloc[0,1]+(df.iloc[2,1]-df.iloc[0,1])*((df.iloc[1,0]-df.iloc[0,0])/(df.iloc[2,0]-df.iloc[0,0]))的所有行：

{AAA: 123, BBB:456,...}

最后将返回值放入带有相应键值的字典中;例如flag=="1"。

此功能需要idx = (df['flag'] == "1").fillna(False) idx |= idx.shift(1) | idx.shift(2) idx |= idx.shift(-1) | idx.shift(-2) df=df[idx] df.rolling(window=3, min_periods=1).apply(f)[::3].reset_index(drop=True)

行的上方和下方的行

我试图以我能用rooling窗口的方式重构我的df，即：

 image.Attributes.Add("class", "imgFile img-responsive");
 //image.Attributes.Add("class", "img-responsive");

但这不起作用！

由于函数是位置相关的，我不知道如何将它应用于标志值为1的所有行的三元组。任何建议都非常感谢！

Answer 1

IIUC，您的计算可以直接在df列级别处理，不需要在特定行上应用函数。

# convert to numeric so that the column can be used for arithmetic calculations
df['store2'] = pd.to_numeric(df.store, errors='coerce')

# calculate the f(x) based on 'Value' and 'store2' column
df['result'] = df.store2.shift(1) + (df.store2.shift(-1) - df.store2.shift(1))*(df.Value - df.Value.shift(1))/(df.Value.shift(-1) - df.Value.shift(1))

# export the resultset:
df.loc[df.flag==1,['store','result']].set_index('store')['result'].to_json()

Answer 2

保持状态并使用apply：

zero_vals = []

def func(row):
    if row.flag == 0:
        zero_vals.append(row)
    elif row.flag == 1:
        # do math here using previous rows of data and current row
        zero_vals.clear()
    else:
        raise ValueError('unexpected flag value')

那么它只是：

df.apply(func, axis=1)

在行的子集中迭代地应用自定义函数

2 个答案: