numpy /熊猫矢量化的“阈值穿越”逻辑

Question

我想实现这种“阈值穿越”逻辑（由于缺乏更好的用语）：

• 从列num开始，并将列switch设置为1。
• 当num跌至（或超过）某个lower_bound时，请将switch设为0。
• 将switch保持为0，直到num达到（或超过）upper_bound，然后switch会回到1。

为说明起见，这是lower_bound 3和upper_bound 6的设置。

df = pd.DataFrame([6, 5, 3, 2, 4, 5, 6, 3, 7, 5], columns=['num'])
df['switch'] = 1

这是我想要的输出。

    num switch
0   6   1
1   5   1
2   3   0
3   2   0
4   4   0
5   5   0
6   6   1
7   3   0
8   7   1
9   5   1

当然可以轻松地进行迭代，但是我正在寻找关于矢量化（numpy / pandas）方法的一些想法。谢谢。

Answer 1

我认为您可以做到

s=df.num.ge(6).astype(int)-df.num.le(3).astype(int)
s.mask(s==0).ffill().replace(-1,0).fillna(1)
0    1.0
1    1.0
2    0.0
3    0.0
4    0.0
5    0.0
6    1.0
7    0.0
8    1.0
9    1.0
Name: num, dtype: float64

Answer 2

这是一种基于numpy的方法，虽然有点冗长，但应该相当有效。

a = df.num
lw, up = 3, 6

pd.Series(
    np.select([a.le(lw), a.ge(up)], [-1, 1], np.nan)
).ffill().clip(0, 1).fillna(1)

0    1.0
1    1.0
2    0.0
3    0.0
4    0.0
5    0.0
6    1.0
7    0.0
8    1.0
9    1.0
dtype: float64