识别数据框架中不断增加的特征

2024-03-28 11:28:11 发布

您现在位置:Python中文网/ 问答频道 /正文

我有一个数据框,它显示了一些具有累积值的特性。我需要识别这些特征,以便恢复累积值。 这就是我的数据集的外观(加上大约50个变量):

a      b     
346    17    
76     52    
459    70    
680    96    
679    167   
246    180   

我希望达到的目标是:

a      b     
346    17    
76     35    
459    18    
680    26    
679    71   
246    13   

我看到了这个答案,但它首先还原值,然后尝试标识列。我不能换一种方式吗?首先确定特征,然后恢复值

Finding cumulative features in dataframe?

我现在要做的是运行以下代码,以便为我提供具有累积值的功能名称:

 def accmulate_col(value):
     count = 0
     count_1 = False
     name = []
     for i in range(len(value)-1):
         if value[i+1]-value[i] >= 0:
             count += 1
         if value[i+1]-value[i] > 0:
             count_1 = True
     name.append(1) if count == len(value)-1 and count_1 else name.append(0)
     return name

 df.apply(accmulate_col)

之后,我将这些功能名称手动保存在一个名为cum_features的列表中,并还原这些值,从而创建所需的数据集:

df_clean = df.copy()
df_clean[cum_cols] = df_clean[cum_features].apply(lambda col: np.diff(col, prepend=0))

有更好的办法解决我的问题吗


Tags: 数据namein功能名称cleandfif
1条回答
网友
1楼 · 发布于 2024-03-28 11:28:11

要确定哪些列在整个列中具有递增*值,需要对所有值应用条件。因此,从这个意义上讲,必须首先使用这些值来确定哪些列符合条件

考虑到这一点,给定一个数据帧,例如:

import pandas as pd
d = {'a': [1,2,3,4],
     'b': [4,3,2,1]
     }
df = pd.DataFrame(d)
#Output:
   a  b
0  1  4
1  2  3
2  3  2
3  4  1

找出哪些列包含递增的值只是在dataframe中的所有值上使用diff并检查哪些值在整个列中递增的问题

这可以写成:

out = (df.diff().dropna()>0).all()
#Output:
a     True
b    False
dtype: bool

然后,您可以只使用列名来选择其中包含True的列名

new_df = df[df.columns[out]]
#Output:
   a
0  1
1  2
2  3
3  4

*(术语“累积”实际上并不代表您使用的条件。您希望它是累积的还是只是增加的?累积意味着特定行/索引中的值是该索引之前所有值的总和,而增加则意味着当前行/索引中的值大于之前的值。)

相关问题 更多 >