设置替代的最小和最大参数

Question

我有以下数据框：

    Temperature Growth rate Standard Error  Weight  Result
0   14.0        0.363       0.110           9.091   0.000
1   18.0        0.677       0.043           23.256  0.767
2   22.0        0.822       0.044           22.727  0.975
3   26.0        0.936       0.073           13.699  0.975
4   30.0        0.897       0.051           19.608  0.767
5   34.0        0.000       0.000           0.000   0.000

我正在尝试使用它来设置一个函数或一个 if 循环，它基本上说明藻类在 14 的最低温度或 34 的最高温度下是否没有生长，那么下一个最小参数可用于正增长（即高于0）应该小于或等于18且大于14，并且下一个最大值大于或等于30且小于34。我的想法是我是否应该在df中生成一个新列来接受这个考虑到，或者我是否应该这样做而不考虑给定的值。我期望产生的最终输出是曲线拟合，它采用优化的参数值（基本上是散点图），并根据更新或建模的增长率（标记为“结果”）测量温度。

我是这样设置初始参数的：

def boatman_temperature_function(temp, max_growth_rate, min_temp, temp_range, skewness, kurtosis):
    num = temp - min_temp
    denom = temp_range - min_temp  # temp_range is the maximum temperature
    inside_sin = np.pi*((num/denom)**skewness)
    sin_result = np.sin(inside_sin) # TODO: numpy.sin input: radian? degree?
    final = max_growth_rate*(sin_result**kurtosis)
    return(final)

这更像是一个假设，而不是我在 df 中的值的基础，但我认为有一种方法可以将此函数与“增长率”和“结果”列一起使用。

与此同时，我正在尝试探索以下 2 种可能的解决方案，但我不太确定如何使它们发挥作用。有什么建议吗？

这是第一个解决方案：

for value in df2:
    if df2['Temperature'].min() == 14 & df2['Growth rate'] == 0:
        df2['Temperature'].min() <= 18
        if df2['Temperature'].max() == 34 & df2['Growth rate'] == 0:
            df2['Temperature'].max() >= 30 

TypeError: Cannot perform 'rand_' with a dtyped [float64] array and scalar of type [bool]

这是第二个：

def min_and_max_alts(temp, growth_rate, alternate):
    df2[alternate] = np.where((df2[temp].min() == 14 & df2[growth_rate] == 0), df2[temp].max() == 34 & df2[growth_rate] == 0)
    return df2

df2 = min_and_max_alts('Temperature','Growth rate','Alternate growth rate')
df2

TypeError: Cannot perform 'rand_' with a dtyped [float64] array and scalar of type [bool] (basically same result as the first attempted solution)

Answer 1

此函数将最小值、最大值更改为所需的最小值、最大值：

def change_temp(row,value_for_min,value_for_max):
    T,R=row[0],row[1]
    if R==0:
        if T==14:
            T=value_for_min
            print(f"Min value changed as {value_for_min}")
        elif T==34:
            T=value_for_max
            print(f"Max value changed as {value_for_max}")
    return T
DF["Temperature"]=DF[["Temperature","Growth"]].apply(lambda row: change_temp(row,18,30),axis=1)