将一列与其他两列进行比较，并将结果分配回 DataFrame答案

【问题标题】：Compare one column against two other columns and assign the result back to the DataFrame将一列与其他两列进行比较，并将结果分配回 DataFrame
【发布时间】：2019-06-16 02:52:59
【问题描述】：

在代码下方打印

import pandas as pd

df = pd.DataFrame()

df['A'] = (10,20,34,13,45,2,34,1,18,19,23,9,40,33,17,6,15)

df['B'] = (14,26,23,41,12,24,31,1,9,53,4,22,16,19,16,28,13)

print(df)

如果 A 列中的每个数字都大于下面 5 行的数字，我想添加一个返回“TRUE”或“FALSE”的列。显然最后 4 个数字无法比较，因此可以将其视为“IGNORE”
我想添加第二列，如果 A 列中的每个数字大于 B 列下面 5 行的数字，则返回“TRUE”或“FALSE”。显然最后 4 个数字不能比较，因此这些也可以视为“忽略”

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

您可以通过np.where查看

s=np.where(df.A.shift(-5).isna(),'ignore',df.A>df.A.shift(-5))
s
Out[90]: 
array(['True', 'False', 'True', 'False', 'True', 'False', 'True', 'False',
       'False', 'True', 'True', 'False', 'ignore', 'ignore', 'ignore',
       'ignore', 'ignore'], dtype='<U6'

t=np.where(df.B.shift(-5).isna(),'ignore',df.A>df.B.shift(-5))

df['col1'],df['col2']=s,t

或者正如 cs95 提到的，我们可以通过使用掩码来做到这一点，并且只应用一次条件。

s=df.shift(-5).ge(df.A,0).mask(df.A.shift(-5).isna(),'ignore')
s.columns=['col1','col2']
df=pd.concat([df,s],axis=1)

【讨论】：

感谢您的回复，它非常好，但是 cs95 响应输出 'TRUE' 或 'FALSE' 作为字符串，我可以轻松更改为 'BUY'/'SELL'。也许我可以在你的回答中，但我不知道如何。我也不应该使用真/假作为我想要的输出，因为我可能会让你感到困惑。谢谢

【解决方案2】：

您可以使用shift 将“A”和“B”向上移动 5 行，然后将每个移动的值与“A”进行比较。

# shift up rows
s = df[['A', 'B']].shift(-5)

# compare against "A" and mask NaNs 
m = s.lt(df['A'], axis=0).mask(s.isna())  

# create and concatenate the result
df2 = pd.DataFrame(
        np.select([m == 1, m == 0], ['TRUE', 'FALSE'], default='IGNORE'),
        columns=['C', 'D'],   
        index=df.index)    
pd.concat([df, df2], axis=1)

     A   B       C       D
0   10  14    TRUE   FALSE
1   20  26   FALSE   FALSE
2   34  23    TRUE    TRUE
3   13  41   FALSE    TRUE
4   45  12    TRUE   FALSE
5    2  24   FALSE   FALSE
6   34  31    TRUE    TRUE
7    1   1   FALSE   FALSE
8   18   9   FALSE   FALSE
9   19  53    TRUE    TRUE
10  23   4    TRUE   FALSE
11   9  22   FALSE   FALSE
12  40  16  IGNORE  IGNORE
13  33  19  IGNORE  IGNORE
14  17  16  IGNORE  IGNORE
15   6  28  IGNORE  IGNORE
16  15  13  IGNORE  IGNORE

【讨论】：

感谢您的回复，这正是我想要的