Python 如何在使用np.where进行计算后保留数据帧/列和索引名？

我有两个不同的pd.DataFrame：

dailyRtn

平均

可使用以下代码复制：

dailyRtn = pd.DataFrame([["2017-12-25",  0.069392,    0.124916,    0.119108],
                         ["2017-12-26",  0.020000,    0.100000,    0.080000],
                         ["2017-12-27",  1.000000,    1.200000,    1.500000]],
                        columns = ["date", "A", "B", "C"])

averageofP = pd.DataFrame([["2017-12-25",  0.059392,    0.894916,    0.419108],
                           ["2017-12-26",  0.021000,    0.100000,    0.990000],
                           ["2017-12-27",  1.500000,    1.100000,    1.800000]],
                          columns = ["date", "A", "B", "C"])

我尝试使用上面的2个df进行条件计算：

downsideDev = np.where(dailyRtn < averageofP, dailyRtn, "")

然而，当我看一看我以前的专栏：a、B、C等和日期：2017-12-27等都不见了，都是简单的整数+它不再是数据帧了。如何修复此问题？

IIUC，您可以使用set\u索引，然后在数据帧构造函数中包含索引和列

dailyRtn = dailyRtn.set_index('date')
averageofP = averageofP.set_index('date')

downsideDev = np.where(dailyRtn < averageofP, dailyRtn, "")
downsideDev_df = (pd.DataFrame(downsideDev, index=dailyRtn.index, columns=dailyRtn.columns)
                    .reset_index())

print(downsideDev_df)

---

你也可以在没有np.where的情况下尝试这个方法，因为np.where遗漏了你需要的信息。这种方法是熊猫特有的：一种条件选择加上fillna

---

预期产量是多少？请注意，numpy.where输出是ndarray或tuples，因此，如果您希望输出是一个数据帧，那么您需要从结果数组创建一个数据帧。预期输出是如上所述的数据帧。我知道输出是随机的。当我这样做时：downlessdev=pd.dataframedownlessdev，它会删除我想要保留的索引和列名。请记住，我有超过20列和许多行。@AlexanderThomsen如果这个解决方案对您有帮助，您介意吗。对不起，我不得不做些什么，全部完成：！。无法查看，因为我没有足够的声誉点数。downlessdev=np.wheredailryrtndownsideDev = np.where(dailyRtn < averageofP, dailyRtn, "")

downsideDev = pd.DataFrame(downsideDev)

dailyRtn = dailyRtn.set_index('date')
averageofP = averageofP.set_index('date')

downsideDev = np.where(dailyRtn < averageofP, dailyRtn, "")
downsideDev_df = (pd.DataFrame(downsideDev, index=dailyRtn.index, columns=dailyRtn.columns)
                    .reset_index())

print(downsideDev_df)

         date     A                    B                    C
0  2017-12-25        0.12491600000000001  0.11910799999999999
1  2017-12-26  0.02                                      0.08
2  2017-12-27   1.0                                       1.5

dailyRtn = pd.DataFrame([["2017-12-25",  0.069392,    0.124916,    0.119100],
                         ["2017-12-26",  0.020000,    0.100000,    0.080000],
                         ["2017-12-27",  1.000000,    1.200000,    1.500000]],
                         columns = ["date", "A", "B", "C"])

averageofP = pd.DataFrame([["2017-12-25",  0.059392,    0.894916,    0.419108],
                           ["2017-12-26",  0.021000,    0.100000,    0.990000],
                           ["2017-12-27",  1.500000,    1.100000,    1.800000]],
                           columns = ["date", "A", "B", "C"])

# select value in dailyRtn with a condition
downsideDev = dailyRtn[dailyRtn < averageofP]
downsideDev.fillna("", inplace=True) # fill out nan part with ""
downsideDev["date"] = dailyRtn["date"] # add back "date" that were replaced to ""