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
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
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。
最佳答案
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
关于python - Pandas 过滤数据框的正值和负值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52366048/