如何根据数据框中各个列的不同布尔标准创建新列

Question

我想创建一个二进制列，如果数据框中的一列恰好满足逻辑条件 A 并且数据框中的另一列满足逻辑条件 A 或逻辑条件 B，则该列标记为“是”。因此，如果新列只有 1两个单独的列满足上述条件。

每一列是每年的单独产品计数。 条件 A ：如果一个产品（即“c1”）在当年卖出了 8 件产品，上一年在 1 到 6 之间以及前一年（2 年前）在 1 到 6 之间，满足条件 A。 条件B：如果任何其他产品（即不是“c1”说“c3”）满足上述条件A或当年销售8个，上一年销售8个，两年前销售8个，则满足条件B。 因此，如果特定年份中的任意 2 列满足上述条件，则 Success 只能为 1。一列必须满足条件 A，另一列必须满足条件 B。

import numpy as np
import pandas as pd
df = pd.DataFrame({'C1':[7,3,2,8,3,4,6,8,3,2],'C2':[2,5,4,8,8,8,3,2,8,4],'C3': [7,5,4,6,7,8,6,8,1,7],
                   'C4':[3,4,4,6,4,2,6,3,2,6],'C5':[6,4,0,8,4,2,6,6,7,8],'Year':[2010,2011,2012,2013,2014,2015,2016,2017,2018,2019]})
df.set_index('Year', inplace=True)
df1 =df[::-1]
df1
_1_CorrA =((df1.eq(8)) & (df1.shift(-1).isin([1,6])) & (df1.shift(-2).isin([1,6]))).sum(axis=1)==1

_1_CorrB =(((df1.eq(8)) & (df1.shift(-1).eq(8)) & (df1.shift(-2).eq(8))) |
              ((df1.eq(8)) & (df1.shift(-1).isin([1,6])) & (df1.shift(-2).isin([1,6])))).sum(axis=1)==1


Strategy = (((_1_CorrA) & (_1_CorrB)))

df1['Success']=np.where(Strategy,1,0)

我希望在索引行 2015 和 2013 中看到 1，因为这是仅有的两行恰好两个不同的列满足上述条件。

Answer 1

成功意味着要么恰好两列满足条件 A (a.sum(1).eq(2))，要么一列满足条件 A，另一列满足 B，即当年和前两年的每一年都等于目标值 8。

为了保证同一列不满足条件A和条件B，我从条件A中获取成功列，并确保不等于条件B中的成功列（a.idxmax(1).ne(b.idxmax(1))）。仅当条件 A 和条件 B 均成功时才会进行此比较，因此我可以使用 idxmax 来获取通过条件的列。

target = 8 
upper_limit = 6
lower_limit = 1
df1_shift1 = df1.shift(-1)
df1_shift2 = df1.shift(-2)

a = (
    df1.eq(target) 
    & df1_shift1.ge(lower_limit) 
    & df1_shift1.le(upper_limit) 
    & df1_shift2.ge(lower_limit) 
    & df1_shift2.le(upper_limit)
)
b = (
    df1.eq(target)
    & df1_shift1.eq(target)
    & df1_shift2.eq(target)
)
success = (
    a.sum(1).eq(2) 
    | (a.sum(1).eq(1) 
       & b.sum(1).eq(1) 
       & a.idxmax(1).ne(b.idxmax(1)))
)
>>> df1.assign(Success=success)
      C1  C2  C3  C4  C5  Success
Year                             
2019   2   4   7   6   8    False
2018   3   8   1   2   7    False
2017   8   2   8   3   6    False
2016   6   3   6   6   6    False
2015   4   8   8   2   2    False
2014   3   8   7   4   4    False
2013   8   8   6   6   8     True
2012   2   4   4   4   0    False
2011   3   5   5   4   4    False
2010   7   2   7   3   6    False

Answer 2

我认为您应该使用DataFrame.apply() 来帮助您。

例如：

df = pd.DataFrame({'C1':[7,3,2,8,3,4,6,8,3,2], 
                   'C2':[2,5,4,8,8,8,3,2,8,4], 
                   'C3': [7,5,4,6,7,8,6,8,1,7],  
                   'C4':[3,4,4,6,4,2,6,3,2,6], 
                   'C5':[6,4,0,8,4,2,6,6,7,8], 
                   'Year':[2010,2011,2012,2013,2014,2015,2016,2017,2018,2019]})

def my_rule(row):
    C1 = row['C1']
    C2 = row['C2']
    C3 = row['C3']
    C4 = row['C4']
    C5 = row['C5']
    year = row['year']

    # write your rule of C1,...,C5 here
    if ...:
        return 1
    else:
        return 0

df['Success'] = df.apply(lambda row: my_rule(row), axis=1)

希望这符合您的问题。