比较多行值答案

【问题标题】：Compare multiple row values比较多行值
【发布时间】：2017-03-07 08:34:22
【问题描述】：

我想将每一行的 A 值与其他列进行比较

问题更复杂，但我试图在此表中简化它：

     A    B    C  D
0  1.3  1.0  1.1  1
1  2.5  2.9  2.6  3
2  3.1  3.0  3.2  2

结果应该是这样的：

这里在索引 0 中：1.3 大于 B、C 和 D 中的值，则返回 1，否则为 0

     A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

提前谢谢你

【问题讨论】：

标签： python python-3.x pandas dataframe

【解决方案1】：

使用assign 创建新列
使用 df.le(df.A, 0) 将列 'A' 与所有其他列进行比较
使用all(1) 查找所有列的True 位置
使用astype(int) 使其成为1 或0

df.assign(result=df.lt(df.A, 0).all(1).astype(int))

     A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

【讨论】：

【解决方案2】：

您可以使用gt 或le 进行比较，然后使用any 或all 获得至少一个True 或all Trues，最后将布尔掩码转换为int：

df['result'] = (~df[['B','C','D']].gt(df.A, axis=0).any(1)).astype(int)
print (df)
     A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

另一种解决方案：

df['result'] = df[['B','C','D']].le(df.A, axis=0).all(1).astype(int)
print (df)
     A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

【讨论】：

【解决方案3】：

你可以使用idxmax:

df['result'] = (df.idxmax(axis=1)== 'A').astype(int)

输出：

    A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

【讨论】：

【解决方案4】：

如果您知道列名，请执行以下操作：

df['results']=(df.loc[:,'A']>df.loc[:,'B':'D'].max(axis=1)).astype(int)

如果您知道想要使用列顺序，您可以这样做：

df['results']=(df.iloc[:,0]>df.iloc[:,1:].max(axis=1)).astype(int)

在您的示例中，这些将提供相同的输出。最后的 "astype(int)" 将布尔值转换为 0/1。

【讨论】：