python - Pandas 过滤数据框的正值和负值

Question

我有一个包含 3 列的 pandas 数据框，其中:

• 类别数据类型 - 字符串
• 日期数据类型 - 日期时间

• 值数据类型 - float

  df = pd.DataFrame()
  df['category'] = ['a', 'b', 'b', 'b', 'c', 'a', 'b', 'c', 'c', 'a']
  df['date'] = ['2018-01-01', '2018-01-01', '2018-01-03', '2018-01-05', '2018-01-01', '2018-01-02', '2018-01-06', '2018-01-03', '2018-01-04','2018-01-01']
  df['values'] = [1, 2, -1.5, 2.3, 5, -0.7, -5.2, -5.2, 1, -1.1]
  df
  

Dataframe view

我想过滤每个类别具有接近该日期的正值和负值(差异最小)的行。

因此，输出基本上如下所示:

df = pd.DataFrame()
df['category'] = ['a', 'a','b', 'b', 'c', 'c']
df['date'] = ['2018-01-01', '2018-01-01', '2018-01-01', '2018-01-03', '2018-01-01', '2018-01-03']
df['values'] = [1, -1.1, 2, -1.5, 5, -5.2]
df

Filtered Dataframe

我看过类似的查询( Identifying closest value in a column for each filter using Pandas ， How do I find the closest values in a Pandas series to an input number? )

第一个使用 idxmin，它返回第一个出现的值，而不是最接近的值。

第二个链接正在谈论作为输入的特定值 - 我认为纯 np.argsort 在我的情况下不起作用。

我可以想象使用复杂的 if 语句网络来执行此操作，但是，我不确定使用 pandas 执行此操作的最有效方法是什么。

任何指导将不胜感激。

Answer 1

IIUC，首先对数据帧进行排序，然后使用idxmin:

df1 = df.sort_values(['category','date'])
df1[df1.groupby('category')['values']\
       .transform(lambda x: x.index.isin([x.ge(0).idxmin(), x.lt(0).idxmin()]))]

输出:

  category        date  values
0        a  2018-01-01     1.0
9        a  2018-01-01    -1.1
1        b  2018-01-01     2.0
2        b  2018-01-03    -1.5
4        c  2018-01-01     5.0
7        c  2018-01-03    -5.2