我正在摸索着弄清楚我怎么能做这样的事情。
我有一个看起来像这样的数据框......
A B C D E
1/2/2012 9:18 0.997558702 1.001294498 1.004264524 1.002337408 1.003628447
1/2/2012 9:19 1.004805553 1.001939237 1.002523232 1.001323543 1.003615329
1/2/2012 9:20 1.001151359 1.001290323 0.997728668 0.999937057 1
1/2/2012 9:21 1.001680821 1.003221649 1.001661232 1.000220313 1.003746398
1/2/2012 9:22 0.998454473 0.998715478 0.998095823 0.996286973 0.996985357
1/2/2012 9:23 0.996461899 0.99903537 1.00055388 0.999778915 0.997408207
1/2/2012 9:24 1.002174781 0.999034438 1.000492065 1.001232033 0.997978923
1/2/2012 9:25 0.999379982 1.00064433 0.998708963 1.000063103 0.999855345
我想找出哪些行 < 1或> 1的顺序无关紧要。虽然重要的是比较在同一列和连续时间内。我希望按列显示所有此类事件的数据框
输出类似
的内容 A B C D E
index 4 2 5 4 1
我试图在循环中思考并继续添加,但不知何故认为应该有更好的方法从数据框中进行选择。
这个问题已得到解答,但正如约翰建议的那样包含伪代码和列名。 对于每行,如果行< 1和row.shift(1)> 1或行> 1和row.shift(1)< 1 1 计数
我试图检查的是,我是否可以避免双向检查,因为基本上它的发现+ ve -ve组合在列中。
P.S>>我正在检查此数据集的均值回归趋势。
答案 0 :(得分:3)
在尝试任何聪明的事情之前,我发现说出直截了当的版本会有所帮助。仅使用布尔比较shift
,以及我们可以对布尔列进行求和以得到真值数量int(True) == 1
的事实,我们可以这样做:
>>> (((df < 1) & (df.shift() > 1)) | ((df > 1) & (df.shift() < 1))).sum()
0 4
1 2
2 5
3 4
4 1
dtype: int64
使用类似于
的布尔框架>>> (df < 1) & (df.shift() > 1)
0 1 2 3 4
1/2/2012 9:18 False False False False False
1/2/2012 9:19 False False False False False
1/2/2012 9:20 False False True True False
1/2/2012 9:21 False False False False False
1/2/2012 9:22 True True True True True
1/2/2012 9:23 False False False False False
1/2/2012 9:24 False False False False False
1/2/2012 9:25 True False True False False
我觉得相对容易阅读。
一个有点光滑的版本 - 虽然,老实说,可能太过光滑了 - 可能就像
>>> s = np.sign(df - 1)
>>> (s == -s.shift()).sum()
0 4
1 2
2 5
3 4
4 1
dtype: int64
但是很难看出这是符合它应有的。 (我写了它,我只有85%的自信。)