Python 基于df中上一行和下一行的基于条件的检查

我想对以下df进行基于条件的比较

     ID     type  state   value
0  123123     1    LOW      5
2  123123     2    LOW      8
5  123123     2    HIGH     2
7  123123     1    LOW      3
1  123412     2    HIGH     21
6  123412     1    LOW      12
3  234234     2    LOW      5
8  234234     1    LOW      1
4  432424     2    HIGH     9
9  432424     1    HIGH     7

因此，我要做的是检查列状态中的值为低的每一行，如果行中的以下值或之前的值为高。如果是，我想检查row type中的值是否相同。如果再次满足此条件，我想检查此值之间的差值是否小于2。如果是这样，则名为validate的新列应为true，否则应为false

因此，我正在寻找一种方法来检查这种情况下的效率

我曾考虑过使用apply来执行此操作，但是我不确定接下来如何检查给定行前后的值

到目前为止，我只想通过在数据帧上迭代来实现它，但这应该是非常慢的。。。所以，如果你们中有人知道如何解决这个问题，我将非常感激

结果应该是这样的：

     ID     type  state   value  valid
0  123123     1    LOW      5      False
2  123123     2    LOW      4      True
5  123123     2    HIGH     2      
7  123123     1    LOW      3      True
1  123412     1    HIGH     21     
6  123412     1    LOW      12     False
3  234234     2    LOW      5      False
8  234234     1    LOW      1      False
4  432424     2    HIGH     9      
9  432424     1    HIGH     7    

这里再次总结了行为真的基于行的条件

• 行之前或之后的状态为高
• 对于高的行（或如果适用，两者都有），则检查类型是否相同
• 最后检查值之间的差值是否小于2

---

您可以使用df.shift方法并将您的df与移位的df进行比较。这样就不需要循环。

您可以使用df.shift方法并将您的df与移位的df进行比较。这样就不需要循环。

试试这个-

df.loc[df.state == 'LOW', 'valid'] = False
df.loc[(df.state != df.state.shift(-1)) & (df.state == 'LOW'), 'valid'] = True

试试这个-

df.loc[df.state == 'LOW', 'valid'] = False
df.loc[(df.state != df.state.shift(-1)) & (df.state == 'LOW'), 'valid'] = True

使用和为

状态

、

类型

和

值

条件创建一个

上|下

掩码

below=df.state.eq（'LOW'）和df.state.shift（-1）。eq（'HIGH'）和df.type.shift（-1）。eq（df.type）和df.value.diff（-1）。abs（）.le（2）
上面=df.state.eq（'LOW'）&df.state.shift（）.eq（'HIGH'）&df.type.shift（）.eq（df.type）&df.value.diff（）.abs（）.le（2）
df.loc[df.state.eq（'LOW'），'valid']=False
df.loc[上方|下方，'有效']=真

索引7的输出不同，但我不明白为什么您的预期输出显示为

True

，因为上面的

类型不同（1对2），下面的
值的差异是18:

       ID  type state  value  valid
0  123123     1   LOW      5  False
2  123123     2   LOW      4   True
5  123123     2  HIGH      2    NaN
7  123123     1   LOW      3  False
1  123412     2  HIGH     21    NaN
6  123412     1   LOW     12  False
3  234234     2   LOW      5  False
8  234234     1   LOW      1  False
4  432424     2  HIGH      9    NaN
9  432424     1  HIGH      7    NaN

使用和为
状态
、
类型
和
值
条件创建一个
上|下
掩码

below=df.state.eq（'LOW'）和df.state.shift（-1）。eq（'HIGH'）和df.type.shift（-1）。eq（df.type）和df.value.diff（-1）。abs（）.le（2）
上面=df.state.eq（'LOW'）&df.state.shift（）.eq（'HIGH'）&df.type.shift（）.eq（df.type）&df.value.diff（）.abs（）.le（2）
df.loc[df.state.eq（'LOW'），'valid']=False
df.loc[上方|下方，'有效']=真

索引7的输出不同，但我不明白为什么您的预期输出显示为
True
，因为上面的
类型不同（1对2），下面的
值的差异是18:

       ID  type state  value  valid
0  123123     1   LOW      5  False
2  123123     2   LOW      4   True
5  123123     2  HIGH      2    NaN
7  123123     1   LOW      3  False
1  123412     2  HIGH     21    NaN
6  123412     1   LOW     12  False
3  234234     2   LOW      5  False
8  234234     1   LOW      1  False
4  432424     2  HIGH      9    NaN
9  432424     1  HIGH      7    NaN

为什么预期输出中的
类型
和
值
列中的值会更改？例如，在第2行中，您有
value=8
，在预期输出
value=4
中，您是否也希望前后两行的“类型”相同？请详细说明您的问题。为什么索引7的预期输出
为True
？上面的一行未通过
类型
条件（
1！=2
），下面的一行未通过
值
（差异为18）。我的错，感谢您注意到预期输出中
类型
和
值
列中的值为什么发生更改？例如，在第2行中，您有
value=8
，在预期输出
value=4
中，您是否也希望前后两行的“类型”相同？请详细说明您的问题。为什么索引7的预期输出
为True
？上面的一行不符合
类型
条件（
1！=2
），下面的一行不符合
值
（差异为18）。我的不好，谢谢注意