Python 比较多行值

我想比较每一行A和其他列的值

问题更复杂，但我试图在下表中对其进行简化：

     A    B    C  D
0  1.3  1.0  1.1  1
1  2.5  2.9  2.6  3
2  3.1  3.0  3.2  2

结果应该如下所示：

在这里，索引0:1.3大于B、C和D中的值，然后我们返回1，否则为0

     A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

---

提前感谢

使用

分配

创建新列
使用

df.le（df.A，0）

将列

'A'

与所有其他列进行比较
使用

all（1）

查找所有列的

True

位置
使用

astype（int）

将其设置为

1

或

0

df.assign(result=df.lt(df.A, 0).all(1).astype(int))

     A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

---

使用

assign

创建新列
使用

df.le（df.A，0）

将列

'A'

与所有其他列进行比较
使用

all（1）

查找所有列的

True

位置
使用

astype（int）

将其设置为

1

或

0

df.assign(result=df.lt(df.A, 0).all(1).astype(int))

     A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

您可以使用或进行比较，然后或获取至少一个

True

或

all

Trues和最后一次将布尔掩码转换为

int

：

df['result'] = (~df[['B','C','D']].gt(df.A, axis=0).any(1)).astype(int)
print (df)
     A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

另一个解决方案：

df['result'] = df[['B','C','D']].le(df.A, axis=0).all(1).astype(int)
print (df)
     A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

您可以使用或进行比较，然后或获取至少一个

True

或

all

Trues和最后一次将布尔掩码转换为

int

：

df['result'] = (~df[['B','C','D']].gt(df.A, axis=0).any(1)).astype(int)
print (df)
     A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

另一个解决方案：

df['result'] = df[['B','C','D']].le(df.A, axis=0).all(1).astype(int)
print (df)
     A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

您可以使用：

输出：

    A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

您可以使用：

输出：

    A    B    C  D  result
0  1.3  1.0  1.1  1       1
1  2.5  2.9  2.6  3       0
2  3.1  3.0  3.2  2       0

---

如果您知道列名，请执行以下操作：

df['results']=(df.loc[:,'A']>df.loc[:,'B':'D'].max(axis=1)).astype(int)

如果您知道要使用列顺序，可以执行以下操作：

df['results']=(df.iloc[:,0]>df.iloc[:,1:].max(axis=1)).astype(int)

在您的示例中，它们将给出相同的输出。

---

末尾的“astype（int）”将布尔值转换为0/1。

如果您知道列名，请执行以下操作：

df['results']=(df.loc[:,'A']>df.loc[:,'B':'D'].max(axis=1)).astype(int)

如果您知道要使用列顺序，可以执行以下操作：

df['results']=(df.iloc[:,0]>df.iloc[:,1:].max(axis=1)).astype(int)

在您的示例中，它们将给出相同的输出。 末尾的“astype（int）”将布尔值转换为0/1