Question

我有以下数据框：

       actual_credit    min_required_credit
   0   0.3              0.4
   1   0.5              0.2
   2   0.4              0.4
   3   0.2              0.3

我需要添加一个列，指示actual_credit＆gt; = min_required_credit的位置。结果将是：

       actual_credit    min_required_credit   result
   0   0.3              0.4                   False
   1   0.5              0.2                   True
   2   0.4              0.4                   True
   3   0.1              0.3                   False

我正在做以下事情：

df['result'] = abs(df['actual_credit']) >= abs(df['min_required_credit'])

然而，第3行（0.4和0.4）经常导致False。在各个地方研究这个问题后，包括：What is the best way to compare floats for almost-equality in Python?我仍然无法使其发挥作用。只要两列具有相同的值，结果就是False，这是不正确的。

我正在使用python 3.3

Answer 1

由于浮动比较不精确，您可以or与np.isclose进行比较，isclose采用相对绝对容差参数，因此以下内容应该有效：

df['result'] = df['actual_credit'].ge(df['min_required_credit']) | np.isclose(df['actual_credit'], df['min_required_credit'])

Answer 2

@EdChum 的回答效果很好，但使用 pandas.DataFrame.round 函数是另一个干净的选项，无需使用 numpy 即可正常工作。

df = pd.DataFrame(  # adding a small difference at the thousandths place to reproduce the issue
    data=[[0.3, 0.4], [0.5, 0.2], [0.400, 0.401], [0.2, 0.3]],
    columns=['actual_credit', 'min_required_credit'])

df['result'] = df['actual_credit'].round(1) >= df['min_required_credit'].round(1)
print(df)

   actual_credit  min_required_credit  result
0            0.3                0.400   False
1            0.5                0.200    True
2            0.4                0.401    True
3            0.2                0.300   False

您可能会考虑使用 round() 来更永久地编辑您的数据框，具体取决于您是否需要这种精度。在这个例子中，OP 似乎暗示这可能只是噪音，只是造成混乱。

df = pd.DataFrame(  # adding a small difference at the thousandths place to reproduce the issue
    data=[[0.3, 0.4], [0.5, 0.2], [0.400, 0.401], [0.2, 0.3]],
    columns=['actual_credit', 'min_required_credit'])
df = df.round(1)
df['result'] = df['actual_credit'] >= df['min_required_credit']
print(df)

   actual_credit  min_required_credit  result
0            0.3                  0.4   False
1            0.5                  0.2    True
2            0.4                  0.4    True
3            0.2                  0.3   False

Answer 3

通常，numpy Comparison函数可以与pd.Series一起很好地工作，并允许按元素进行比较： isclose，allclose，greater，greater_equal，less，less_equal等

对于您而言，greater_equal可以做到：

df['result'] = np.greater_equal(df['actual_credit'], df['min_required_credit'])

或根据建议使用pandas.ge（或者le，gt等）：

df['result'] = df['actual_credit'].ge(df['min_required_credit'])

通过or与ge（如上所述）一起使用的风险是，例如比较3.999999999999和4.0可能会返回True，这不一定是您想要的。

Answer 4

使用pandas.DataFrame.abs()代替内置abs()：

df['result'] = df['actual_credit'].abs() >= df['min_required_credit'].abs()

比较熊猫专栏中的花车

4 个答案: