Pandas 方法迭代行并使用前一行的值执行计算答案

【问题标题】：Pandas method to iterate over rows and perform calculations using values of previous rowPandas 方法迭代行并使用前一行的值执行计算
【发布时间】：2020-01-03 18:48:25
【问题描述】：

我正在尝试在 Dataframe 中创建两个新列，这些列来自使用行之间的值执行的计算。在将感兴趣的列转换为列表后，我使用 for 循环对其进行迭代。

假设以下数据框：

import pandas as pd
import numpy as np

np.random.seed(100)
my_df=pd.DataFrame(np.random.randint(10, size=(6,4)))
my_df.columns=['A', 'x', 'B','y']
my_df.index=[10,30,40,20,60,50]

以后有没有一种“熊猫”方式导致我的代码输出？

xs=np.array(my_df['x'])
diffs=[np.nan]
for i,x in enumerate(xs):
    if i>0:
        diffs.append(xs[i]-xs[i-1])
my_df['diffs']=diffs 

ys=np.array(my_df['y'])
ratios=[]
for j,y in enumerate(ys):
    if j>0 and ys[j-1]>=1.5*ys[j]:
        ratios.append(True)
    else:
        ratios.append(False)     
my_df['ratios']=ratios
print(my_df)

Output[]:
    A  x  B  y  diffs  ratios
10  8  8  3  7    NaN   False
30  7  0  4  2   -8.0    True
40  5  2  2  2    2.0   False
20  1  0  8  4   -2.0   False
60  0  9  6  2    9.0    True
50  4  1  5  3   -8.0   False

我知道iterrows，但我没有成功。非常感谢您的意见。

此外，如果我需要将列 'x' 和 'y' 转换为这样的二维数组：[[8,7],[0,2],[2,2],[0,4],[9,2],[1,3]]，你能给我一些numpy 的方向吗？

提前感谢 :-)

【问题讨论】：

标签： python-3.x pandas loops numpy

【解决方案1】：

所以我们可以做zip

np.array(list(zip(df.x,df.y)))
Out[810]: 
array([[8, 7],
       [0, 2],
       [2, 2],
       [0, 4],
       [9, 2],
       [1, 3]])

【讨论】：

谢谢，这真的很优雅和简短:-)

【解决方案2】：

试试这个：

>>> import pandas as pd
>>> import numpy as np
>>>
>>> np.random.seed(100)
>>> my_df=pd.DataFrame(np.random.randint(10, size=(6,4)))
>>> my_df.columns=['A', 'x', 'B','y']
>>> my_df.index=[10,30,40,20,60,50]
>>> my_df["diffs"]=my_df["x"]-my_df["x"].shift(1)
>>> my_df
    A  x  B  y  diffs
10  8  8  3  7    NaN
30  7  0  4  2   -8.0
40  5  2  2  2    2.0
20  1  0  8  4   -2.0
60  0  9  6  2    9.0
50  4  1  5  3   -8.0
>>> my_df["ratios"]=my_df["y"].shift(1)>=1.5 * my_df["y"]
>>> my_df
    A  x  B  y  diffs  ratios
10  8  8  3  7    NaN   False
30  7  0  4  2   -8.0    True
40  5  2  2  2    2.0   False
20  1  0  8  4   -2.0   False
60  0  9  6  2    9.0    True
50  4  1  5  3   -8.0   False
>>>

并将 x 和 y 导出到 2 列列表：

>>> import numpy as np
>>> np.array(my_df[["x", "y"]])
array([[8, 7],
       [0, 2],
       [2, 2],
       [0, 4],
       [9, 2],
       [1, 3]])

【讨论】：

我没有遇到shift，这很有帮助。我会试试的。