Question

参考下面的测试数据和我用来识别彼此变量thresh内的值的函数。

有人可以帮我修改一下，以显示我所显示的所需输出吗？

测试数据

import pandas as pd
import numpy as np
from itertools import combinations
df2 = pd.DataFrame(
       {'AAA' : [4,5,6,7,9,10], 
        'BBB' : [10,20,30,40,11,10],
        'CCC' : [100,50,25,10,10,11],
        'DDD' : [98,50,25,10,10,11],
        'EEE' : [103,50,25,10,10,11]});

功能：

thresh = 5    
def closeCols2(df):
        max_value = None
        for k1,k2 in combinations(df.keys(),2):
            if abs(df[k1] - df[k2]) < thresh:
                if max_value is None:
                    max_value = max(df[k1],df[k2])
                else:
                    max_value = max(max_value, max(df[k1],df[k2]))
        return max_value

应用功能前的数据：

    AAA BBB CCC DDD EEE
0   4   10  100 98  103
1   5   20  50  50  50
2   6   30  25  25  25
3   7   40  10  10  10
4   9   11  10  10  10
5   10  10  11  11  11

应用后的当前系列输出：

df2.apply(closeCols2, axis=1)

0    103
1     50
2     25
3     10
4     11
5     11
dtype: int64

所需的输出是一个数据框，显示thresh内的所有值和nan中任何不在阈值内的值

    AAA BBB CCC DDD EEE
0   nan nan 100 98  103
1   nan nan 50  50  50
2   nan 30  25  25  25
3   7   nan 10  10  10
4   9   11  10  10  10
5   10  10  11  11  11

Answer 1

将mask和sub与axis=1

一起使用

df2.mask(df2.sub(df2.apply(closeCols2, 1), 0).abs() > thresh)

    AAA   BBB  CCC  DDD  EEE
0   NaN   NaN  100   98  103
1   NaN   NaN   50   50   50
2   NaN  30.0   25   25   25
3   7.0   NaN   10   10   10
4   9.0  11.0   10   10   10
5  10.0  10.0   11   11   11

<强> 注意：的
我重新定义closeCols以包含thresh作为参数。然后你可以在apply电话中传递它。

def closeCols2(df, thresh):
        max_value = None
        for k1,k2 in combinations(df.keys(),2):
            if abs(df[k1] - df[k2]) < thresh:
                if max_value is None:
                    max_value = max(df[k1],df[k2])
                else:
                    max_value = max(max_value, max(df[k1],df[k2]))
        return max_value 

df2.apply(closeCols2, 1, thresh=5)

额外信用
我对你的closeCols进行了矢量化和嵌入，以获得一些令人烦恼的麻烦请注意，没有apply

numpy 广播，以便将所有列的组合相互减去。
np.abs
<= 5
sum(-1)我安排了广播，以便说明行0，列AAA与所有行0的区别横跨最后一个维度。 -1中的sum(-1)表示总结最后一维。
<= 1所有值距离自身都不到5。所以我希望这些的总和大于1.因此，我们掩盖所有小于或等于一。

v = df2.values
df2.mask((np.abs(v[:, :, None] - v[:, None]) <= 5).sum(-1) <= 1)

    AAA   BBB  CCC  DDD  EEE
0   NaN   NaN  100   98  103
1   NaN   NaN   50   50   50
2   NaN  30.0   25   25   25
3   7.0   NaN   10   10   10
4   9.0  11.0   10   10   10
5  10.0  10.0   11   11   11

修改函数以返回具有指定值的数据帧

1 个答案: