Python 如何按条件检测每列值的增减？

我有以下数据帧

df

：

id      col1    col2   col3
111     22      3      10
222     21      4      11
333     22      5      5
444     5       3      4
555     6       3      4
666     4       4      3
777     7       2      8

我需要解决一个棘手的任务。我想查找当

col1

值高于

20

时，值增加的所有列。“值增加”是指当

col1

值高于

20

时，至少65%的

col1

行的值大于列中位数至少30%

在我的示例中，当

col1

值高于

20

时，有3行：

id      col1    col2   col3
111     22      3      10
222     21      4      11
333     22      5      5

在这些行中，

col3

的第一行和第二行的值相对于中值至少增加了30%（

col3

的中值等于5）。此条件不适用于第三行的

col3

，但也可以，因为它至少适用于65%的行，即3行中的65%为1.95~2行

预期的输出是（不同的输出格式也可以，但应该清楚的是，

col3

已识别）：

---

IIUC，在您的示例中，您应该输出

col2

和

col3

medians = df.median()

s = df[df.col1.gt(20)]

base = s.gt(medians + 0.3 * medians.abs())

(base.sum()/base.count()).gt(0.65)

---

中间带：

col1    7.0
col2    3.0
col3    5.0
dtype: float64

30%增长中位数：

col1    9.1
col2    3.9
col3    6.5
dtype: float64

第2列有2个值大于3.9，2个值大于1.95

    col1    col2    col3
0   22  3   10
1   21  4   11
2   22  5   5

---

问题是什么？欢迎来到SO，请花时间阅读该页面上的链接和其他链接。这是一个非常令人困惑的问题。这需要更好地解释，我真的不知道从哪里开始回答this@MattW.例如我举了一个例子。对不起，如果还不清楚的话。基本上，有两种情况：1）过滤

df

by

ds=df[df[“col1”]>20]

，2）从

ds

选择行值大于其中间值（大于30%）的列。

col1    7.0
col2    3.0
col3    5.0
dtype: float64

col1    9.1
col2    3.9
col3    6.5
dtype: float64

    col1    col2    col3
0   22  3   10
1   21  4   11
2   22  5   5