Python 如何与数据框中的下一行进行比较？

我有一个数据框，看起来像这样：

F_id       type     count   value     
 1           A        0      8
 1           A        2      8 
 1           B        0      2
 1           B        4      2
 1           B        1      2
 1           A        5      8
 2           A        0      3
 2           B        0      9
 1           A        1      3

我想：

• 将每个

  F_id

  的连续类型分组，然后在每个组内：
• 将列

  计数

  与

  值

  进行比较（在当前行？下一行？上一行？）
• 如果下一行的

  count

  小于

  value

  ，则指定“True”

例如：

F_id      type     count   value    match     
 1         A        0      8         False
           A        2      8         True   //  2 < 8
           A        5      8         True   // 5 < 8
 1         B        0      2         False
           B        4      2         False   
           B        1      2         True  // 1 < 2 
 2         A        0      3         False
           A        1      3         True   // 1 < 3
 2         B        0      9         False

F_id类型计数值匹配
1 A 0 8错误
A 2 8真//2<8
正确的//5<8
1 B 0 2错误
B 4 2错误
B 1 2正确//1<2
2 A 0 3错误
A 13真//1<3
2B09错误

我尝试了以下方法：

n = data.groupby(['F_id','type']).apply(lambda x:
        np.where((x['F_id'] == x['F_id'].shift())&(x['type'] ==
        x['type'].shift())&(x['count'] < x['value']),True,False))

data['match'] = n.reset_index(level = 0, drop=True)

n=data.groupby（['F_id'，'type']）。应用（lambda x:
其中（（x['F_id']==x['F_id'].shift（））和（x['type']==
x['type'].shift（））和（x['count']

但我得到了：

ValueError:无法从重复轴重新编制索引

---

非常感谢您的帮助。

我将创建一个函数来检查计数是否小于值。然后对数据进行排序，并使用rank（）获得每个组的排名（F_id和类型）。函数将检查秩是1还是计数小于值

def my_fnc(row):
    return row['rank'] > 1.0 and (row['count'] < row['value'])

data = pd.DataFrame({'F_id': [1,1,1,1,1,1,2,2,2]
                   , 'type': ['A','A','B', 'B','B','A','A','B','A',]
                   , 'count': [0,2,0,4,1,5,0,0,1]
                   , 'value': [8,8,2,2,2,8,3,9,3]} )
data['index_col'] = data.index 
data=data.sort_values(by=['F_id', 'type'])
data['rank'] = data.groupby(['F_id','type'])["index_col"].rank()
data['match'] = df.apply(lambda row: my_fnc(row), axis=1)
data.drop(columns=['index_col', 'rank'])

Result:


 F_id type count value  match
0   1   A   0   8   False
1   1   A   2   8   True
5   1   A   5   8   True
2   1   B   0   2   False
3   1   B   4   2   False
4   1   B   1   2   True
6   2   A   0   3   False
8   2   A   1   3   True
7   2   B   0   9   False

def my_fnc（世界其他地区）：
返回行['rank']>1.0和（行['count']<行['value']）
data=pd.DataFrame（{'F_id'：[1,1,1,1,1,2,2]
，类型：['A'，'A'，'B'，'B'，'B'，'A'，'A'，'B'，'A'，'B'，'A'，]
，“计数”：[0,2,0,4,1,5,0,0,1]
，“值”：[8,8,2,2,8,3,9,3]}）
数据['index_col']=data.index
data=data.sort_值（按=['F_id'，'type']）
data['rank']=data.groupby（['F_id'，'type']）[“index_col”].rank（）
数据['match']=df.apply（lambda行：my_fnc（行），轴=1）
data.drop（列=['index\u col'，'rank']）
结果:
F_id类型计数值匹配
0 1 A 0 8错误
1 A 2 8正确
5 1 A 5 8正确
21B02错误
3 1 B 4 2错误
4 1 B 1 2正确
6 2 A 0 3错误
8 2 A 1 3正确
7 2 B 0 9错误

我认为pivot表就是您要寻找的，为什么每个组的第一行都有

match=False

，即使

value[I]

？啊，你的意思一定是“与前一行比较”，而不是“与下一行比较”。i、 e.

match[i]取决于值[i-1]

为了清晰起见，我试图编辑你的问题，但你能自己编辑吗？

np。其中（（x['F_id']==x['F_id']…

在

groupby（'F_id'）中应该是完全不必要的

。您在该groupby中永远不会有不同的

F\u id

s。事实上，您甚至无法在

groupby（'F\u id'）中访问
F\u id

。另一个问题：在您的示例中，

值

列恰好在每个组中都是常量，但您的问题陈述告诉我们您要比较不同行的

值

和

计数

。因此，您应该真正展示一个能够消除这种差异的示例，即不要保持

值

常量。Otherwise你已经从错误的行中得到了引用值的答案，但是你的测试数据掩盖了这个问题。你能改进你的问题和数据吗？问题是有问题的，显然OP想要比较不同行的值和计数，但是他们的测试数据有值在每个组中，列恰好是常数，所以错误的答案将悄悄通过。OP或其他人需要添加更好的测试数据。