在pandas/numpy python中使用同一列的2个数组进行向量化计算

bkhjykvo 于 12个月前发布在 Python

关注(0)|答案(1)|浏览(90)

我有一个向量计算，它从数组中获取一个值，以及该数组下面的值。它检查上面的值是否为1，下面的值是否为0。如果是这种情况，使用np.，其中我将为true分配1，为false分配0。我似乎得到的错误是：“无法将输入数组从形状（6，）广播到形状（5，）”。

import pandas as pd
import numpy as np
data = {
    'A': [0, 0, 1, 0, 0, 0],
    'B': [0,0,0,0,0,0]
}
df = pd.DataFrame(data)
x=1
df.iloc[0:5,1]=np.where((df.iloc[0:5,0]==1) & (df.iloc[1:6,0]==0),x,0)

每个df.iloc的大小相同，最后一行只是一个虚拟行，以允许df.iloc[1:6,0]工作。
同样，当运行布尔值时，我得到：

(df.iloc[0:5,0]==1) & (df.iloc[1:6,0]==0)
Out[43]: 
0    False
1    False
2    False
3    False
4    False
5    False

但值2应该为真。我也试过让x成为一个数组，但似乎不起作用，任何帮助都将不胜感激！

numpy

来源：https://stackoverflow.com/questions/76959062/vectorisation-calculation-using-2-arrays-of-the-same-column-in-pandas-numpy-pyth

1条答案

按热度按时间

sg24os4d1#

具体的逻辑还不清楚，但你需要使用shift：

# the current value is 1 and the below value is 0
m = df['A'].eq(1) & df['A'].shift(-1).eq(0)
df['out'] = np.where(m, 1, 0)

# the above value is 1 and the below value is 0
m2 = df['A'].shift().eq(1) & df['A'].shift(-1).eq(0)
df['out2'] = np.where(m2, 1, 0)

如果你想将TrueMap到1，并将FalseMap到0，不需要np.where，只需使用m.astype(int)。
输出量：

A  B  out  out2
0  0  0    0     0
1  0  0    0     0
2  1  0    1     0
3  0  0    0     1
4  0  0    0     0
5  0  0    0     0

赞(0）回复(0）举报 12个月前

我来回答

在pandas/numpy python中使用同一列的2个数组进行向量化计算

1条答案

相关问题

热门标签

最新问答