Question

我有一个像这样的数据框：

df
col1      col2      
 1         10
 2         15
 4         12
 5         23
 6         11
 8         32
 9         12
 11        32
 2         23
 3         21
 4         12
 6         15
 9         12
 10        32

我想为col1的每1个，5个和10个值选择col2值。如果col1的值不是1、5或10，请保留col2的值，其中col1的值最接近1,5或10

例如，最终的df如下所示：

df
col1      col2      
 1         10
 5         23
 11        32
 2         23
 6         15
 10        32

如何使用熊猫而不使用任何循环

Answer 1

尝试一下：

def extract_vals(x, vals=[1,5,10]):
    vals = np.array(vals)
    s = abs(x['col1'].values - vals[:,None])

    return x.iloc[s.argmin(axis=1)]

s = df.col1.diff().lt(0).cumsum()
df.groupby(s).apply(extract_vals).reset_index(drop=True)

输出，由于第二组中存在4,6，因此与您的输出不同：

    col1    col2
0   1       10
1   5       23
2   9       12
3   2       23
4   4       12
5   10      32

Answer 2

df.col1.diff().lt(0).cumsum()定义上升值组
set_index与这些组和 col1，但应使用col1

drop=False

groupby和pd.concat与reindex一起使用method='nearest'

我离开了旧的col1索引，以便您可以看到映射到什么的内容。

c = df.set_index([df.col1.diff().lt(0).cumsum().rename('grp'), 'col1'], drop=False)
pd.concat([c.xs(k).reindex([1, 5, 10], method='nearest') for k, c in c.groupby(level=0)])

      col1  col2
col1            
1        1    10
5        5    23
10      11    32
1        2    23
5        6    15
10      10    32

如果您不喜欢索引中多余的col1，则可以重命名索引然后将其删除：

c = df.set_index([df.col1.diff().lt(0).cumsum().rename('grp'), 'col1'], drop=False)
pd.concat([c.xs(k).reindex([1, 5, 10], method='nearest') for k, c in c.groupby(level=0)]) \
    .rename_axis(None).reset_index(drop=True)

   col1  col2
0     1    10
1     5    23
2    11    32
3     2    23
4     6    15
5    10    32

Answer 3

与pir的方法非常相似

s=df.col1.diff().lt(0).cumsum()
idx=df.reset_index().groupby(s).apply(lambda x : x.set_index('col1').reindex([1,5,10],method='nearest'))['index']
df.loc[idx]
Out[19]: 
    col1  col2
0      1    10
3      5    23
7     11    32
8      2    23
11     6    15
13    10    32

另一种获取索引merge_asof

的方法

df['key']=s
import itertools
l=list(itertools.product(df.key.unique().tolist(),[1,5,10]))
mergedf=pd.DataFrame(l,columns=['key','col1']).astype(int)
df.col1=df.col1.astype('int32')
idx=pd.merge_asof(mergedf.sort_values('col1'),df.reset_index().sort_values('col1'),on='col1',by='key',direction ='nearest')['index']

根据某些col1值查找col2值，如果不存在，则使用熊猫保持最接近的值

3 个答案: