检查当前行中的所有列值是否小于熊猫数据框中的所有先前行答案

【问题标题】：Check if all column values in current row is lesser than all previous rows in pandas dataframe检查当前行中的所有列值是否小于熊猫数据框中的所有先前行
【发布时间】：2017-06-15 14:42:35
【问题描述】：

有没有办法检查当前行中的所有列值是否小于 pandas 数据帧（整个数据帧）中所有先前行（直到当前行）中的相应列值，并创建一个新列相应的值是 1 还是 0？

【问题讨论】：

标签： python pandas

【解决方案1】：

考虑数据框df

np.random.seed(1)
df = pd.DataFrame(np.random.rand(10, 2), columns=list('AB'))

df

          A         B
0  0.417022  0.720324
1  0.000114  0.302333
2  0.146756  0.092339
3  0.186260  0.345561
4  0.396767  0.538817
5  0.419195  0.685220
6  0.204452  0.878117
7  0.027388  0.670468
8  0.417305  0.558690
9  0.140387  0.198101

选项 1
cummin 和 shift
这里的概念是跟踪到目前为止每列的最小值。如果特定行上的值小于前一行及其之前的所有行，则它必须是新的最小值。我们可以通过检查它是否小于前一行的最小值来判断这是否是True。
注意这应该可以很好地处理NaN 值。

df.assign(New=(df < df.cummin().shift()).all(1).astype(int))

          A         B  New
0  0.417022  0.720324    0
1  0.000114  0.302333    1
2  0.146756  0.092339    0
3  0.186260  0.345561    0
4  0.396767  0.538817    0
5  0.419195  0.685220    0
6  0.204452  0.878117    0
7  0.027388  0.670468    0
8  0.417305  0.558690    0
9  0.140387  0.198101    0

选项 2
numpy 版本
numpy.minimum

v = df.values
c = np.minimum.accumulate(v[:-1], axis=0)
df.assign(New=np.append(False, (v[1:] < c).all(1)).astype(int))

          A         B  New
0  0.417022  0.720324    0
1  0.000114  0.302333    1
2  0.146756  0.092339    0
3  0.186260  0.345561    0
4  0.396767  0.538817    0
5  0.419195  0.685220    0
6  0.204452  0.878117    0
7  0.027388  0.670468    0
8  0.417305  0.558690    0
9  0.140387  0.198101    0

【讨论】：

@MukarramPasha 也许可以，但我还没有想到办法。在这个问题中，我关心我的当前行相对于它之前的每一行。我不关心相对于它之前的每一行的前一行。到目前为止，与累积最小值进行比较似乎是最好的方法。
哦，我明白了，谢谢。 *抱歉，我错误地删除了我的第一条评论。
@MukarramPasha 如果你喜欢或欣赏这个答案，我们回答喜欢投票......只是说'
已经点赞的人 ;) 想知道如果我们能看到哪个用户点赞了该有多酷
@MukarramPasha 我看到了 :-) 你赞成评论。也可以随意对答案进行投票……但前提是您认为它有用。

【解决方案2】：

使用@piRsuared 的 DF：

np.random.seed(1)
df = pd.DataFrame(np.random.rand(10, 2), columns=list('AB'))
Out[31]: 
          A         B
0  0.417022  0.720324
1  0.000114  0.302333
2  0.146756  0.092339
3  0.186260  0.345561
4  0.396767  0.538817
5  0.419195  0.685220
6  0.204452  0.878117
7  0.027388  0.670468
8  0.417305  0.558690
9  0.140387  0.198101

您可以使用 apply 将当前行与所有先前行的最大值进行比较，然后将结果转换为 int。

df.apply(lambda x: (x<df[0:x.name].max()).all().astype(int),axis=1)
Out[30]: 
0    0
1    1
2    1
3    1
4    1
5    0
6    0
7    1
8    1
9    1
dtype: int64

【讨论】：

我想将 min() 逻辑应用到上面的命令中，并且效果很好。但是让我们说我有一个 5 行和 5 列的数据框。如果第一行的第二列和第三列是Nan，那么对于第三行，这个逻辑是行不通的。（如果上一行有 Nan），对于下一行，逻辑不工作！我该如何处理？
任何人都知道如何使逻辑在我的情况下工作。如果在我的前一行中，其中一列是 Nan，则应忽略它，并且必须将所有其他列与前一行进行比较。任何帮助将不胜感激