Python 基于其他'的新行;s行过去值到当前值
我正试图在Python 基于其他'的新行;s行过去值到当前值,python,pandas,dataframe,conditional-statements,shift,Python,Pandas,Dataframe,Conditional Statements,Shift,我正试图在df中创建一个名为move的新列,如果x中的值高于其先前的值,则该列给出1的值,如果值低于则给出0,因此move中的第一个值应该是NaN d = {'x': [1, 0, 2, 5, 4]} df = pandas.DataFrame(d) 该列应如下所示: df['move'] = pandas.Series([NaN, 0, 1, 1, 0]) 您可以使用shift与使用iloc的列片段进行比较,并使用astype将布尔序列转换为数字数据类型: In [82]: df['mov
df
中创建一个名为move
的新列,如果x中的值高于其先前的值,则该列给出1
的值,如果值低于则给出0
,因此move
中的第一个值应该是NaN
d = {'x': [1, 0, 2, 5, 4]}
df = pandas.DataFrame(d)
该列应如下所示:
df['move'] = pandas.Series([NaN, 0, 1, 1, 0])
您可以使用shift
与使用iloc
的列片段进行比较,并使用astype
将布尔序列转换为数字数据类型:
In [82]:
df['move'] = (df['x'].iloc[1:] > df['x'].iloc[1:].shift()).astype(int)
df
Out[82]:
x move
0 1 NaN
1 0 0.0
2 2 1.0
3 5 1.0
4 4 0.0
请注意,NaN
的存在迫使这里的数据类型为float
我认为您需要与列x
中的ed值进行比较,最后您可以将第一个值更改为NaN
(如有必要):
计时:
d = {'x': [1, 0, 2, 5, 4]}
df = pd.DataFrame(d)
df = pd.concat([df]*10000).reset_index(drop=True)
df1 = df.copy()
def jez(df):
df['move'] = (df.x > df.x.shift()).astype(int)
df.ix[0, 'move'] = np.nan
return df
def edch(df):
df['move'] = (df['x'].iloc[1:] > df['x'].iloc[1:].shift()).astype(int)
return df
print (jez(df))
print (edch(df1))
len(df)=50k
:
In [82]: %timeit (edch(df1))
100 loops, best of 3: 3.99 ms per loop
In [83]: %timeit (jez(df))
1000 loops, best of 3: 1.44 ms per loop
计时代码:
d = {'x': [1, 0, 2, 5, 4]}
df = pd.DataFrame(d)
df = pd.concat([df]*10000).reset_index(drop=True)
df1 = df.copy()
def jez(df):
df['move'] = (df.x > df.x.shift()).astype(int)
df.ix[0, 'move'] = np.nan
return df
def edch(df):
df['move'] = (df['x'].iloc[1:] > df['x'].iloc[1:].shift()).astype(int)
return df
print (jez(df))
print (edch(df1))