python - 基于当前行上方或下方第 n 行的条件 - Python

Question

我想复制类似于 Alteryx 中的“多行公式”工具的东西。我当前正在读取 csv 文件，并且希望能够在同一测试列中另一行的值为 true 时在列表中设置一个值。

示例数据

**Country**
China
India
Brazil
Indonesia

当它循环包含巴西的行时，应将“Y”附加到新列表中，因为中国在上面两行。其余的应附加“N”。

import pandas as pd

csv_in = pd.read_csv('C:/sample.csv')

kind = []                           

for row in csv_in['Country']:
    if ***two rows above this row*** == 'China':
        kind.append('Y')
    elif ***one row below this row*** == 'Canada':
        kind.append('Y')
    else:
        kind.append("N")

csv_in['Result'] = kind

我无法找到与此问题相关的任何内容。任何帮助将不胜感激!

编辑:我意识到除了我最初要求的之外，我还需要做更多的事情。

  for row in csv_in['Country']:
      if  'hina' in ***two rows above this row***:
          kind.append('Y')
      elif ***one row below this row***.startswith('Can'):
          kind.append('X')
      else:
          kind.append("N")

Answer 1

使用shift要构建 'Y' 值应出现的 bool 数组，然后使用 numpy.where创建列:

import numpy as np

y_cond = (csv_in.shift(2) == 'China') | (csv_in.shift(-1) == 'Canada')
csv_in['Result'] = np.where(y_cond, 'Y', 'N')

如果您的 DataFrame 中有不止一列，则需要使用 csv_in['Country'].shift() 而不是上面代码中的较短表示法。

一些稍微扩展的示例数据的结果输出:

     Country Result
0      China      N
1      India      N
2     Brazil      Y
3  Indonesia      N
4     Bhutan      N
5     Mexico      Y
6     Canada      N
7       Peru      N
8   Honduras      N

编辑:

如果您想分配非二进制值，我会采取稍微不同的方法。

首先将结果初始化为'N'。对于每个条件，与以前类似地创建一个 bool 数组，并使用 loc 分配所需的值。按照重要性的相反顺序执行此操作，因为后续匹配将覆盖之前的匹配。

请注意，您可以使用 .str 访问器将字符串函数应用于列，如 Working with Text Data 中所述。文档部分。

csv_in['Result'] = 'N'

x_cond = csv_in['Country'].shift(-1).str.startswith('Can').fillna(False)
csv_in.loc[x_cond, 'Result'] = 'X'

y_cond = csv_in['Country'].shift(2).str.contains('hina').fillna(False)
csv_in.loc[y_cond, 'Result'] = 'Y'

.fillna(False) 是必要的，因为 loc 需要纯 bool 值，而 shift 引入了 NaN值(value)观。如果您确实想按重要性顺序编写条件，您可以在 loc 内执行类似 x_cond & (csv_in['Result'] == 'N') 的操作，尽管它可能会影响性能。

更新的输出:

     Country Result
0      China      N
1      India      N
2     Brazil      Y
3  Indonesia      N
4     Bhutan      N
5     Mexico      X
6     Canada      N
7       Peru      N
8   Honduras      N