pandas 公差的计算

ca1c2owp 于 2023-01-19 发布在其他

关注(0)|答案(2)|浏览(142)

我正在处理一个数据集。数据包含不同小数位的值。数据和代码如下所示：

data = {
         'value':[9.1,10.5,11.8,
                  20.1,21.2,22.8,
                  9.5,10.3,11.9,
                  ]
        }

df = pd.DataFrame(data, columns = ['value'])

它给出了以下 Dataframe ：

现在，我想添加一个标题为adjusted的新列。我想使用numpy.isclose函数计算此列，容差为2（正负1）。最后，我希望得到下表所示的结果

value  adjusted
0    9.1        10
1   10.5        10
2   11.8        10
3   20.1        21
4   21.2        21
5   22.8        21
6    9.5        10
7   10.3        10
8   11.9        10

我尝试了这一行，但我得到的结果只有这样的真和假，而且这只是一个值（10），而不是所有的值。

np.isclose(df1['value'],10,atol=2)

有谁能帮我解决这个问题，用一行计算出10和21的公差吗？

pandas

来源：https://stackoverflow.com/questions/75163544/calculating-of-tolerance

2条答案

按热度按时间

kyks70gy1#

如果只有两个不同的值，一种可能的解决方案是使用np.where：

df['adjusted'] = np.where((df['value'] >= 8) & (df['value'] <= 12), 10, 21)

赞(0）回复(0）举报 2023-01-19

tjjdgumg2#

确切的逻辑和如何推广还不完全清楚。下面是两种选择。
假设你想根据一系列已定义的引用来测试你的值，你可以使用底层的numpy数组和broadcasting：

vals = np.array([10, 21])

a = df['value'].to_numpy()

m = np.isclose(a[:, None], vals, atol=2)

df['adjusted'] = np.where(m.any(1), vals[m.argmax(1)], np.nan)

假设你想对连续的值进行分组，你可以得到diff，并在差值超过阈值时开始一个新的组，然后得到round，并通过groupby.transform得到每组的中值：

group = df['value'].diff().abs().gt(2).cumsum()

df['adjusted'] = df['value'].round().groupby(group).transform('median')

输出：

value  adjusted
0    9.1      10.0
1   10.5      10.0
2   11.8      10.0
3   20.1      21.0
4   21.2      21.0
5   22.8      21.0
6    9.5      10.0
7   10.3      10.0
8   11.9      10.0

赞(0）回复(0）举报 2023-01-19

我来回答

pandas 公差的计算

2条答案

相关问题

热门标签

最新问答