记录最小绝对偏差，但包括其符号

Question

我有一个如下形式的 pandas df：

first deviation	second deviation	closest deviation	column name of smallest deviation
-0.5	NaN	-0.5	first deviation
-0.4	-0.8	-0.4	first deviation

最接近的偏差和最小偏差的列名是前两列的计算列。该表列出了期望的结果，但我还没有找到达到期望结果的解决方案。

偏差列显示两个函数和一个输入函数之间的偏差。我想找出哪个函数的偏差更接近于0，其次我想记录偏差。

现在，如果我使用df.abs().idxmin(axis = 1)，我会得到最小偏差的列名 的正确值，但使用df.abs().min(axis = 1) 那么对于最接近的偏差，逻辑上会返回 0.4而不是-0.4。然而，仅使用 df.min(axis=1) 会为 最接近的偏差返回 -0.8，这也是不正确的。

我如何获得正确的信息，包括正确的标志？

已经谢谢了！

Answer 1

通过你的方式得到最接近的索引后，我们可以索引到数据框以获取相应的值：

# your way for indexes
inds = df.abs().idxmin(axis=1)

# for values: either this (being deprecated..)
vals = df.lookup(df.index, inds)

# or this with numpy's "fancy" indexing
vals = df.to_numpy()[np.arange(len(df)), df.columns.get_indexer(inds)]

# then putting to frame
df["closest deviation"] = vals
df["column name of smallest deviation"] = inds

得到

   first deviation  second deviation  closest deviation column name of smallest deviation
0             -0.5               NaN               -0.5                   first deviation
1             -0.4              -0.8               -0.4                   first deviation

---

笔记：

DataFrame.lookup 已被弃用，因此其他方法是转到 numpy 域并在那里建立索引。由于inds 是列名，但 numpy 不知道它们，我们使用 get_indexer 获取它们的整数位置。