0
242
ViewsMúltiples condiciones si en el marco de datos de pandas con diferentes umbrales
Tengo un marco de datos con varios parámetros:
par1 par2 par3 par4 par5 1.122208 1.054132 1.133250 1.114845 1.183850 1.076445 1.128663 0.998518 1.081816 1.006934 1.077058 1.561871 1.045255 1.120456 1.768667 0.904869 1.183985 0.938095 0.927841 1.201934 0.876596 1.044014 0.877457 0.871429 0.990452 ...El valor de cada parámetro debe comprobarse frente a un umbral específico. Necesito verificar si al menos dos de los parámetros anteriores están por encima de los umbrales antes mencionados. No importa qué parámetros estén por encima del umbral, siempre que haya al menos dos de ellos. Tenga en cuenta que par1 tiene un umbral1, par2 un umbral2 y así sucesivamente, con umbral1 diferente de umbral2,..., umbral5 y así sucesivamente.
Hasta ahora he escrito una condición if anidada fea, pero me preguntaba cuál sería el mejor enfoque aquí.
2 answers
Answer question0
Usando los datos de muestra de Kelvin Ducray, podemos llevar la solución un paso más allá, para evitar el ciclo for/apply, y usar las operaciones vectorizadas de Pandas, que deberían ser más rápidas:
thresholds = pd.Series(thresholds) # compare df with thresholds # sum accross the booleans # check True or False for >=2 above_thresholds = df.gt(thresholds).sum(1).ge(2) df.assign(above_thresholds = above_thresholds) par1 par2 par3 par4 par5 above_thresholds 0 1.122208 1.054132 1.133250 1.114845 1.183850 True 1 1.076445 1.128663 0.998518 1.081816 1.006934 False 2 1.077058 1.561871 1.045255 1.120456 1.768667 True 3 0.904869 1.183985 0.938095 0.927841 1.201934 False 4 0.876596 1.044014 0.877457 0.871429 0.990452 False0
¿Esto ayuda a resolver su problema?
df = pd.DataFrame( { 'par1': [1.122208, 1.076445, 1.077058, 0.904869, 0.876596], 'par2': [1.054132, 1.128663, 1.561871, 1.183985, 1.044014], 'par3': [1.133250, 0.998518, 1.045255, 0.938095, 0.877457], 'par4': [1.114845, 1.081816, 1.120456, 0.927841, 0.871429], 'par5': [1.183850, 1.006934, 1.768667, 1.201934, 0.990452], } ) thresholds = { 'par1': 0.5, 'par2': 3, 'par3': 1.2, 'par4': 1.1, 'par5': 3, } def check_thresholds(input_row): no_over_threshold = sum( [value > thresholds[col_name] for col_name, value in input_row.items()] ) if no_over_threshold >= 2: return True else: return False df['above_thresholds'] = df.apply(check_thresholds, axis=1)Salida de ejemplo:
