Question

我有一个数据框（列'a'，'b'，'c'），我正在做一个滚动窗口。

我希望能够使用apply函数中的一个列（比如'a'）过滤滚动窗口，如下所示

df.rolling(len(s),min_periods=0).apply(lambda x: x[[x['a']>10][0] if len(x[[x['a']>10]]) >=0 else np.nan)

上述行的目的是选择滚动窗口中第一行的“a”列的值大于10.如果没有这样的行，则返回nan。

但我无法这样做并收到以下错误

IndexError: only integers, slices (`:`), ellipsis (`...`), numpy.newaxis (`None`) and integer or boolean arrays are valid indices

这意味着我不允许通过这种语法访问各个列。有没有其他办法做这种事情？

Answer 1

您的错误源于假设应用内部函数是一个数据帧，它实际上是一个ndarray而不是一个数据帧。

Pandas数据框应用适用于数据框的每个列/系列，因此传递给apply的任何函数都应用沿每个列/系列（如内部lambda）。在窗口化数据帧的情况下，apply将每个窗口中的每个列/系列作为ndarray传递给函数，并且该函数必须每个窗口每个系列只返回长度为1的数组。知道这一点可以节省很多痛苦。

所以在你的情况下你不能使用任何apply，除非你有一个复杂的函数来记住每个窗口的系列a的第一个值。

对于OP的情况，如果窗口的一栏显示a符合条件，请说> 10

如果窗口第一行中的a符合条件，则与在数据框df[df['a']>10]中搜索相同。
对于窗口第二行中的a等其他条件为> 10，检查整个数据框的工作方式除了数据框的第一个窗口外。

以下示例演示了另一种解决方法。

import numpy as np
import pandas as pd
np.random.seed(123)
df = pd.DataFrame(np.random.randint(0,20,size=(20, 4)), columns=list('abcd'))

df看起来像

    a   b   b   d
0   13  2   2   6
1   17  19  10  1
2   0   17  15  9
3   0   14  0   15
4   19  14  4   0
5   16  4   17  3
6   2   7   2   15
7   16  7   9   3
8   6   1   2   1
9   12  8   3   10
10  5   0   11  2
11  10  13  18  4
12  15  11  12  6
13  13  19  16  6
14  14  7   11  7
15  1   11  5   18
16  17  12  18  17
17  1   19  12  9
18  16  17  3   3
19  11  7   9   2

现在如果在滚动窗口中的第二行符合OP问题中的条件a > 10，则选择一个窗口。

roll_window=5
search_index=1

df_roll = df['a'].rolling(roll_window)
df_y = df_roll.apply(lambda x:x[1] if x[1] > 10 else np.nan).dropna()

上面的行返回大于10的窗口第二行中与条件a对应的a的所有值。注意，这些值是基于上面的示例数据框的，但索引是由滚动的方式定义的窗口居中。

获取正确的索引位置和第一个数据框内的整行

df.loc[df_y.index+searchindex-rollwindow+1]

返回

    a   b   b   d
1   17  19  10  1
4   19  14  4   0
5   16  4   17  3
7   16  7   9   3
9   12  8   3   10
12  15  11  12  6
13  13  19  16  6
14  14  7   11  7
16  17  12  18  17

还可以使用np.array(df)并制作与滚动窗口相对应的滚动切片，并相应地使用切片过滤数组。

Answer 2

首先，滚动窗口：

win = df['a'].rolling(len(s), min_periods=0)

然后创建条件（布尔数组）：

cond = win > 10

最后：

idx = np.where(cond)[0]
return win.iloc[idx[0]] if len(idx) else np.nan

熊猫：如何在滚动窗口中选择一列

2 个答案: