Python。查找数据行的阈值答案

【问题标题】：Python. Finding thresholds for rows of dataPython。查找数据行的阈值
【发布时间】：2018-02-15 09:20:09
【问题描述】：

我是 Python 新手，但我必须解决以下任务。请帮帮我。

我有两个非常长的数据列表。对于每个列表，我必须找到一个阈值，它将列表划分为值 -1（低于阈值）和 +1（高于阈值）。为了找到两组数据之间的最佳相关性，我需要将两行分开。它必须是这样的：

List1 List2     List1 After Threshold applying  List2 After Threshold applying 
-50      -300     -1                             -1
-40      -200     -1                             -1
-30      -100     -1                             -1
-20      0        -1                             -1
-10      100       1                              1
0        200       1                              1
1        300       1                              1
2        400       1                              1

因此，在我的示例中，list1 的阈值为 -10（低于它的所有值都等于 -1，高于它的所有值都等于 1），list2 的阈值将是 100。

非常感谢！

【问题讨论】：

你真是个令人困惑的人.....尝试学习 Python 语法和数据类型。这会有所帮助。
试试numpy的中位数：docs.scipy.org/doc/numpy/reference/generated/numpy.median.html
你试过了吗？
感谢您的回答。不得不说明，我的工作离Python很远，但是这个任务却出乎意料地发生在了我身上。到目前为止，我在 Python 中打开了我的文件，我认为我必须对 Loops 做一些事情，但是什么？
我还使用行的平均值和中值作为阈值创建了错误矩阵。它给了我大约 0.70 的用户和生产者的准确度（平均比中位数好一点）。

标签： python math data-analysis

【解决方案1】：

查看python包pandas。这是一个教程：https://pandas.pydata.org/pandas-docs/stable/tutorials.html

import pandas as pd

list1 = [-50, -40, -30, -20, -10, 0, 1, 2]
list2 = [-300, -200, -100, 0, 100, 200, 300, 400]

df = pd.DataFrame({'List 1': list1, 'List 2': list2})

newdf = df.copy()
newdf[df > df.median()] = 1
newdf[df < df.median()] = -1

newdf 现在包含以下内容：

   List 1  List 2
0      -1      -1
1      -1      -1
2      -1      -1
3      -1      -1
4       1       1
5       1       1
6       1       1
7       1       1

如果您希望新旧列表并排，您可以连接数据框。首先重命名列也是一个好主意：

# rename columns:    
newdf = newdf.rename(columns=lambda x: x + ' after threshold')
# concatenate dataframes:
result = pd.concat([df, newdf], axis=1)

结果如下：

   List 1  List 2  List 1 after threshold  List 2 after threshold
0     -50    -300                      -1                      -1
1     -40    -200                      -1                      -1
2     -30    -100                      -1                      -1
3     -20       0                      -1                      -1
4     -10     100                       1                       1
5       0     200                       1                       1
6       1     300                       1                       1
7       2     400                       1                       1

【讨论】：