Python 如何创建使用前几行（如触发器事件）的数据帧？
我尝试了这段代码，但没有达到我想要的效果。我正在尝试让事件在熊猫数据帧上工作。如果过期日期等于索引日期，则我希望值为0。如果预测列显示为1，那么我希望得到1值。我希望它检查前一行是否已经触发了1，直到过期日期触发了0为止，它将一直保持为1Python 如何创建使用前几行（如触发器事件）的数据帧？,python,pandas,Python,Pandas,我尝试了这段代码，但没有达到我想要的效果。我正在尝试让事件在熊猫数据帧上工作。如果过期日期等于索引日期，则我希望值为0。如果预测列显示为1，那么我希望得到1值。我希望它检查前一行是否已经触发了1，直到过期日期触发了0为止，它将一直保持为1 df['Forecast'] = np.select([df.ExpirationDate == df.index, df.Predictions == 1,
df['Forecast'] = np.select([df.ExpirationDate == df.index,
df.Predictions == 1,
df.Forecast.shift(1).eq(1)], [0, 1, 1])
Open High ... ExpirationDate Predictions
Date ...
2017-09-18 249.610001 250.119995 ... 2017-10-20 0
2017-09-19 250.000000 250.070007 ... 2017-10-20 0
2017-09-20 250.070007 250.190002 ... 2017-10-20 0
2017-09-21 249.880005 249.979996 ... 2017-10-20 0
2017-09-22 249.050003 249.630005 ... 2017-10-20 0
Predictions Forecast
Date
2017-09-18 0 0
2017-09-19 0 0
2017-09-20 0 0
2017-09-21 0 0
2017-09-22 0 0
2017-09-25 0 0
2017-09-26 0 0
2017-09-27 0 0
2017-09-28 0 0
2017-09-29 0 0
2017-10-02 0 0
2017-10-03 0 0
2017-10-04 0 0
2017-10-05 1 1
2017-10-06 0 1
2017-10-09 0 1
2017-10-10 0 1
2017-10-11 0 1
2017-10-12 0 1
2017-10-13 0 1
2017-10-16 0 1
2017-10-17 0 1
2017-10-18 0 1
2017-10-19 0 1
2017-10-20 0 0
因此，预测中出现1后，预测将保持1。当到期时，Forecast将返回到0。我们可以使用
系列。其中fillna向前填充。另一个，其中
仅在每行的过期日期之前设置值，我们将剩余值设置回0
df['Forecast'] = (df['Predictions'].where(df.Predictions.eq(1))
.ffill()
.where(df.index < df.ExpirationDate)
.fillna(0, downcast='infer'))
我们也可以使用+：
你能发布你的预期输出吗？我希望预期输出能帮助解释我想要得到的东西。这真的很接近。唯一的问题是，当日期与截止日期相同时，预测仍然得到1而不是0。这个答案也非常接近，并且有相同的问题，因为当截止日期与索引日期相同时，它没有给出0。@frostd检查是NaN Predictions ExpirationDate Forecast
Date
2017-09-18 0 2017-10-20 0
2017-09-19 0 2017-10-20 0
2017-09-20 0 2017-10-20 0
2017-09-21 0 2017-10-20 0
2017-09-22 0 2017-10-20 0
2017-09-25 0 2017-10-20 0
2017-09-26 0 2017-10-20 0
2017-09-27 0 2017-10-20 0
2017-09-28 0 2017-10-20 0
2017-09-29 0 2017-10-20 0
2017-10-02 0 2017-10-20 0
2017-10-03 0 2017-10-20 0
2017-10-04 0 2017-10-20 0
2017-10-05 1 2017-10-20 1
2017-10-06 0 2017-10-20 1
2017-10-09 0 2017-10-20 1
2017-10-10 0 2017-10-20 1
2017-10-11 0 2017-10-20 1
2017-10-12 0 2017-10-20 1
2017-10-13 0 2017-10-20 1
2017-10-16 0 2017-10-20 1
2017-10-17 0 2017-10-20 1
2017-10-18 0 2017-10-20 1
2017-10-19 0 2017-10-20 1
2017-10-20 0 2017-10-20 0
df['Forecast']=(
df['Predictions'].cumsum()
.clip(0,1)
.where(df.index < df.ExpirationDate)
.fillna(0, downcast='infer')
)
print(df)
Predictions ExpirationDate Forecast
Date
2017-09-18 0 2017-10-20 0
2017-09-19 0 2017-10-20 0
2017-09-20 0 2017-10-20 0
2017-09-21 0 2017-10-20 0
2017-09-22 0 2017-10-20 0
2017-09-25 0 2017-10-20 0
2017-09-26 0 2017-10-20 0
2017-09-27 0 2017-10-20 0
2017-09-28 0 2017-10-20 0
2017-09-29 0 2017-10-20 0
2017-10-02 0 2017-10-20 0
2017-10-03 0 2017-10-20 0
2017-10-04 0 2017-10-20 0
2017-10-05 1 2017-10-20 1
2017-10-06 0 2017-10-20 1
2017-10-09 0 2017-10-20 1
2017-10-10 0 2017-10-20 1
2017-10-11 0 2017-10-20 1
2017-10-12 0 2017-10-20 1
2017-10-13 0 2017-10-20 1
2017-10-16 0 2017-10-20 1
2017-10-17 0 2017-10-20 1
2017-10-18 0 2017-10-20 1
2017-10-19 0 2017-10-20 1
2017-10-20 0 2017-10-20 0