python(Pandas)根据不同列的标准从第0列输出值

时间:2017-01-10 20:34:00

标签: python pandas dataframe boolean range

我有两个pandas数据帧,dfA和dfB。 dfA具有未知的x列数。 dfB是一个numpy数组,其值为x - 1。因此,如果dfA有50列(0到49),那么dfB将有49个值。这49个值与dfA列1-49相关联。

从dfA的第0列开始,我需要输出最接近后续列中dfB中相应值的行的值。我知道这句话毫无意义。这是一个例子:

dfA:                
0   0.02    0.06    0.09    0.10
1   0.92    0.82    0.71    0.61
2   0.92    0.82    0.72    0.62
3   0.94    0.84    0.74    0.64
4   0.96    0.86    0.76    0.66
5   0.98    0.88    0.78    0.68


dfB:                
    0.94    0.862   0.732   0.623


Answer: 3   4   3   2

我一直在尝试使用pandas查询功能或loc / iloc功能,但未设法找到解决方案。

2 个答案:

答案 0 :(得分:2)

array dfB dfA的{​​{1}}值减去subabs得到绝对值,idxmin找到最小值的index

print (dfA.sub(dfB, axis=1).abs().idxmin())
1    3
2    4
3    3
4    2
dtype: int64

答案 1 :(得分:2)

使用NumPy -

a = df.values
out = a[np.abs(a[:,1:] - dfB.values.ravel()).argmin(0),0]

基本上,我们从dfB的每一行中减去dfA,因为我们正在使用NumPy数组(因为我们已经使用.values提取了这些数组),所以会在.argmin(axis=0)中有效地减去这些数据。 {3}}。然后,我们找到绝对值,并使用.argmin(0)在每列中查找arg-minimum,简称NaNs

如果您同时使用np.nanargmin,请使用# Extract array from dfA In [9]: a = dfA.values # Slice a from col-1 onwards and perform broadcasted differencing with dfB values In [10]: a[:,1:] - dfB.values.ravel() Out[10]: array([[-0.92 , -0.802, -0.642, -0.523], [-0.02 , -0.042, -0.022, -0.013], [-0.02 , -0.042, -0.012, -0.003], [ 0. , -0.022, 0.008, 0.017], [ 0.02 , -0.002, 0.028, 0.037], [ 0.04 , 0.018, 0.048, 0.057]]) # Get absolute values In [11]: np.abs(a[:,1:] - dfB.values.ravel()) Out[11]: array([[ 0.92 , 0.802, 0.642, 0.523], [ 0.02 , 0.042, 0.022, 0.013], [ 0.02 , 0.042, 0.012, 0.003], [ 0. , 0.022, 0.008, 0.017], [ 0.02 , 0.002, 0.028, 0.037], [ 0.04 , 0.018, 0.048, 0.057]]) # Look for argmin along each col In [14]: idx = np.abs(a[:,1:] - dfB.values.ravel()).argmin(axis=0) In [17]: idx Out[17]: array([3, 4, 3, 2]) # First col from a In [15]: a[:,0] Out[15]: array([ 0., 1., 2., 3., 4., 5.]) # Index into first col with those indices to select the desired output values In [16]: a[idx,0] Out[16]: array([ 3., 4., 3., 2.]) 忽略这些内容。

逐步运行示例以使事情更容易理解 -

dt = data.table(a = rep(1,10), b = rep(10,10))
colnames(dt)[colMeans(dt) < 10]
## [1] "a"