Question

对于具有与ID对应的值的给定时间序列数据集：

我要A，找到每个分组ID的最小值，然后B，有条件地检查该分组列表的后续值是否比最小值（minPlus2）大2，例如：

df = pd.DataFrame({'id': [1,1,1,1,1,1,1,2,2,2,2,2,2], 'value'[8,5,3,2,1,2,3,13,8,5,3,2,1]})

患者ID 1符合值（df.value[6]）2大于最小值/最低值1（df.value[4]）的标准。患者ID 2与标准不符，因为其最低值（df.value[12]）之后没有数字。

到目前为止，我已经能够使用以下命令找到最低点值：

dfMin = df.loc[df.groupby('ID')['value'].idxmin()]

我不知道一种检查B的方法，如果分钟之后的后续值是否比所确定的分钟大2，并且是否将这些值返回到单独的变量中。

理想的输出是那些比每组组的最小值大2的值。这些值的索引位置并不重要，只要它位于最小值之后即可。

dfMin = 
id       1
value    1

dfMinPlus2 = 
id       1
value    3

Answer 1

更新后的答案：

感谢您的评论，我得以澄清问题并提出了解决方案。

要测试第一个要求（值> = id的最小值+ 2），您需要一个系列，其中包含每个记录的id的最小值。如果按ID对数据帧进行分组并调用value系列的min()方法，则将得到结果。您将需要删除该系列中的索引（groupby()方法将索引弄乱了。）

要满足第二个要求（值出现在最小值记录之后的记录中），只需使用上面确定的idxmin()方法即可。这将为每个记录的ID返回一系列最小值的索引。

然后，您可以将数据框的value系列与第一个系列进行比较，并将数据框的index与第二个系列进行比较，并使用两者之间的按位& ）。

import pandas as pd

df = pd.DataFrame({'id': [1,1,1,1,1,1,1,2,2,2,2,2,2], 'value': [8,5,3,2,1,2,3,13,8,5,3,2,1]})

min_value = df.groupby('id')['value'].min()[df['id']]

min_value.reset_index(drop = True, inplace = True)

min_index = df.groupby('id')['value'].idxmin()[df['id']]

df['condition'] = (df['value'] >= min_value + 2) & (df.index > min_index)

结果是数据框中的一个新系列，它告诉给定记录是否满足所需条件。

旧答案：

问题仍然不清楚（您的理想输出是什么？），但是我想出了这段代码，该代码测试每个id的分组值，以查看是否存在一个在最小值的索引之后两个索引的值。

import pandas as pd

df = pd.DataFrame({'id': [1,1,1,1,1,1,1,2,2,2,2,2,2], 'value': [8,5,3,2,1,2,3,13,8,5,3,2,1]})

def test_id(id):
    '''Returns true if there is a value present two indexes after the minimum value, false otherwise'''
    min_index = df.groupby('id').value.idxmin()[id]
    indices = df.groupby('id').indices[id]
    return (min_index + 2) in indices

有了test_id(1) == True，test_id(2) == False。

Answer 2

您可以尝试转换，就像groupby一样，但是在汇总后返回具有原始索引的数据

df[df['value'] == df.groupby('id')['value'].transform(np.min) +2]

根据条件最小值/最低点值（python / pandas）过滤数据帧

2 个答案: