Python 在比较数据帧的一列与整数时，如何使用np.nanmin？

我想使用相同的逻辑，但在数据帧列上，并将列的每个值与整数进行比较

用例：

import pandas as pd
import numpy as np
a = np.array([[1, 2], [3, np.nan]])
np.nanmin(a, axis=0)
array([1.,  2.])

---

将A列和B列的总和与1进行比较。

即使没有

np.nanmin

，这也应该可以做到这一点。我希望我已经从你的稀疏描述中正确地理解了一切

我假设您还希望替换求和后剩余的

NaN

值。因此，我们用

1

填充这些值，然后在

1

处将所有值剪裁为最大值

MC_cond = df['MODEL'].isin(["MC"])
df_lgd_type = df['LGD_TYPE'].isin(["FIXED"])
df_without_lgd_type = ~(df_lgd_type)

x = np.nanmin((1,df.loc[MC_cond & df_without_lgd_type,'A'] + df.loc[MC_cond & 
    df_without_lgd_type,'B']))

例如：

a = df.loc[MC_cond & df_without_lgd_type, 'A']
b = df.loc[MC_cond & df_without_lgd_type, 'B']
x = (a + b).fillna(1).clip(upper=1)

如果您不希望一列中的NaN值导致行和也为NaN，只需在以下之前填充它们：

df = pd.DataFrame({
    'A': [-1, np.nan, 2, 3, 4], 
    'B': [-4, 5, np.nan, 7, -8]
})

(df.A + df.B).fillna(1).clip(upper=1)

# Output:
# 0   -5.0
# 1    1.0
# 2    1.0
# 3    1.0
# 4   -4.0
# dtype: float64

---

为了完整起见，这将是一个与您的方法类似的纯numpy解决方案：

x = (a.fillna(0) + b.fillna(0)).fillna(1).clip(upper=1)

---

即使没有

np.nanmin

，这也应该可以做到。我希望我已经从你的稀疏描述中正确地理解了一切

我假设您还希望替换求和后剩余的

NaN

值。因此，我们用

1

填充这些值，然后在

1

处将所有值剪裁为最大值

MC_cond = df['MODEL'].isin(["MC"])
df_lgd_type = df['LGD_TYPE'].isin(["FIXED"])
df_without_lgd_type = ~(df_lgd_type)

x = np.nanmin((1,df.loc[MC_cond & df_without_lgd_type,'A'] + df.loc[MC_cond & 
    df_without_lgd_type,'B']))

例如：

a = df.loc[MC_cond & df_without_lgd_type, 'A']
b = df.loc[MC_cond & df_without_lgd_type, 'B']
x = (a + b).fillna(1).clip(upper=1)

如果您不希望一列中的NaN值导致行和也为NaN，只需在以下之前填充它们：

df = pd.DataFrame({
    'A': [-1, np.nan, 2, 3, 4], 
    'B': [-4, 5, np.nan, 7, -8]
})

(df.A + df.B).fillna(1).clip(upper=1)

# Output:
# 0   -5.0
# 1    1.0
# 2    1.0
# 3    1.0
# 4   -4.0
# dtype: float64

---

为了完整起见，这将是一个与您的方法类似的纯numpy解决方案：

x = (a.fillna(0) + b.fillna(0)).fillna(1).clip(upper=1)

---

这是一个非常有用的反馈，请原谅我的讽刺。这是一个非常有用的反馈，请原谅我的讽刺。