每行选择不同的列

Question

我有一个数据框，其中包含 500K 行和 7 列的天数，包括开始日和结束日。

我在 range(startDay, endDay) 中搜索一个值（比如等于 0）

比如对于 id_1，startDay=1，endDay=7，所以，我应该求一个值 D1 到 D7 列。

对于 id_2、startDay=4 和 endDay=7，因此，我应该寻找 D4 到 D7 列的值。 但是，我无法成功寻找不同的列范围。

以上，

1. 如果 startDay > endDay，我应该看到“-999”

2. 否则，我需要找到第一个零（考虑日期范围），例如对于 id_3，D2 列中的第一个零（第 2 天）。 id_3 的 starDay 是 1。我想看看，2-1=1 (D2 - StartDay)

3. 如果找不到0，我想看“8”

这是我的数据；

data = {
        'D1':[0,1,1,0,1,1,0,0,0,1],
        'D2':[2,0,0,1,2,2,1,2,0,4],
        'D3':[0,0,1,0,1,1,1,0,1,0],
        'D4':[3,3,3,1,3,2,3,0,3,3],
        'D5':[0,0,3,3,4,0,4,2,3,1],
        'D6':[2,1,1,0,3,2,1,2,2,1],
        'D7':[2,3,0,0,3,1,3,2,1,3],
        'startDay':[1,4,1,1,3,3,2,2,5,2],
        'endDay':[7,7,6,7,7,7,2,1,7,6]
        }
data_idx = ['id_1','id_2','id_3','id_4','id_5',
            'id_6','id_7','id_8','id_9','id_10']
df = pd.DataFrame(data, index=data_idx)

我想看的；

df_need = pd.DataFrame([0,1,1,0,8,2,8,-999,8,1], index=data_idx)

Answer 1

您可以创建布尔数组来检查每行中的 'Dx' 列在 'startDay' 之上和 'endDay' 之下并且值等于 0。对于前两个条件，您可以使用 @987654321 @ 与 ufunc 是 np.less_equal 和 np.greater_equal 例如： 将 numpy 导入为 np

arr_bool = ( np.less_equal.outer(df.startDay, range(1,8)) # which columns Dx is above startDay
            & np.greater_equal.outer(df.endDay, range(1,8)) # which columns Dx is under endDay
            & (df.filter(regex='D[0-9]').values == 0)) #which value of the columns Dx are 0

然后您可以使用np.argmax 查找每行的第一个True。通过添加 1 并删除“startDay”，您可以获得您正在寻找的值。然后，您需要查找具有np.select 的其他条件，如果df.startDay >= df.endDay 或arr_bool 行中没有True，则将值替换为-999，例如：

df_need = pd.DataFrame( (np.argmax(arr_bool , axis=1) + 1  - df.startDay).values, 
                        index=data_idx, columns=['need'])
df_need.need= np.select( condlist = [df.startDay >= df.endDay, ~arr_bool.any(axis=1)],
                         choicelist = [ -999, 8], 
                         default = df_need.need)

print (df_need)
         need
id_1        0
id_2        1
id_3        1
id_4        0
id_5        8
id_6        2
id_7     -999
id_8     -999
id_9        8
id_10       1

注意：要为id_7 获得-999，我在np.select 中使用了条件df.startDay >= df.endDay，而不是在您的问题中使用df.startDay > df.endDay，但是您可以进行严格比较，得到8 而不是-在这种情况下为 999。