Python 将一列中的每个值与一个数据帧中另一列的每个值进行检查

我有以下数据帧：

import pandas as pd
dict = {'val1':["3.2", "2.4", "-2.3", "-4.9","0"], 
        'class': ["1", "0", "0", "0", "1"],
       'val2':["3.2", "2.7", "1.7", "-7.1", "0"]} 
df = pd.DataFrame(dict) 
df
    val1    class   val2
0   3.2     1       3.2
1   2.4     0       2.7
2  -2.3     0       1.7
3  -4.9     0      -7.1
4   0.0     1       0.0

我想检查两件事： 1） 对于符号：如果列val1中记录的符号与列val2的符号不相同（例如：索引2处的值的符号不相同），则在这种情况下，将值2的符号更改为值1的符号。所需的输出如下：

    val1    class   val2
0   3.2     1       3.2
1   2.4     0       2.7
2  -2.3     0      -1.7
3  -4.9     0      -7.1
4   0.0     1       0.0

2） 第二次检查：val2列中的值是否在val1列中的值+2和-2之间的间隔内。例如：索引2:2.4处的记录在[2.7+2:2.7-2]范围内。如果条件为true，则我希望将类从0更改为1。期望输出为：

    val1    class   val2
0   3.2     1       3.2
1   2.4     1       2.7
2  -2.3     1      -1.7
3  -4.9     0      -7.1
4   0.0     1       0.0

---

如有必要，首先将值转换为浮点数，然后使用设置符号，然后用于第二次使用：

试试这个：

import numpy as np
# Check 1
df['val2'] = df.apply(lambda x: np.sign(x['val1']) * np.sign(x['val2']) * x['val2'], axis=1)

# Check 2
df['class'] = df.apply(lambda x: int(abs(x['val1'] - x['val2']) < 2) , axis=1)

将numpy导入为np
#检查1
df['val2']=df.apply（λx:np.符号（x['val1']）*np.符号（x['val2']）*x['val2']，轴=1）
#支票2
df['class']=df.apply（λx:int（abs（x['val1']-x['val2']）<2，轴=1）

我认为这将在不使用任何其他库的情况下解决您的查询：

def signfunc(x,y):
    if x*y >= 0:
        return y
    else:
        return -1*y

df['val1'] = df['val1'].astype(float)
df['val2'] = df['val2'].astype(float)
df['val2'] = df.apply(lambda x: signfunc(x.val1, x.val2), axis=1)
print(df)

df.loc[abs(df["val1"]-df["val2"])<=2, 'class'] = 1

print(df)

def signfunc（x，y）：
如果x*y>=0：
返回y
其他：
返回-1*y
df['val1']=df['val1'].aType（浮点）
df['val2']=df['val2'].aType（浮点）
df['val2']=df.apply（λx:signfunc（x.val1，x.val2），轴=1）
打印（df）
df.loc[abs（df[“val1”]-df[“val2”]）就我所见，如果val1是正的，val2是负的，它不会改变val2的符号。@Boendal，即使val1的符号是正的，val2的符号是负的。val2应该改变它的符号到val1的符号，如图所示：最后一行val2仍然是负的，并且是您的解决方案的副本。@Boendal-理解，然后需要使用
df['val2']*=np.sign（df['val1']）*np.sign（df['val2']）
@Sascha-它是shorcut-它和
df['val2']=df['val2']*np.sign（df['val1']）*np-sign（df['val2']）一样。
def signfunc(x,y):
    if x*y >= 0:
        return y
    else:
        return -1*y

df['val1'] = df['val1'].astype(float)
df['val2'] = df['val2'].astype(float)
df['val2'] = df.apply(lambda x: signfunc(x.val1, x.val2), axis=1)
print(df)

df.loc[abs(df["val1"]-df["val2"])<=2, 'class'] = 1

print(df)