python

2024-07-12 02:31| 来源: 网络整理| 查看: 265

我的数据集:

*195 -1.888996 196 -4.402077* 197 0.171813 198 2.182845 199 2.349494 200 2.239476 *201 -0.340724 202 -3.056798 203 -4.815240 204 -8.040102 205 -9.316368 206 -9.410789 207 -7.844607 208 -4.791272 209 -4.273477 210 -1.660889 211 -0.931744 212 -1.163933 213 -0.452218* 214 1.580649 215 4.331421 216 6.101737

我想交替对负组和正组等数据进行分组。我在下面尝试过。

df['flag']=df.MACD.apply(lambda x:True if x>0 else False) df.MACD.groupby(df.flag).sum() flag False -738.959009 True 873.042392 Name: MACD, dtype: float64

只有两组。但我想要消极组，然后是积极组，然后是消极组……而且每个组都是独立的。

最佳答案

当您对特定列进行分组时，pandas 会对该组的唯一值进行分组；在您的情况下，只有两个基于标志的组:True 组和 False 组。当您对 groupby 对象应用总和时，您会得到每个组的总和。分组后检查的一种好方法是使用 for 循环进行检查，例如

gpd=df.MACD.groupby(df.flag) for label,grp in gpd: print(grp)

从你的问题来看，你似乎想要连续的正数和负数段的总和，这是一种方法。

import pandas as pd import numpy as np df=pd.DataFrame() df['a']=[-1,-2,1,1,-2,-2,2,3,1] df['positives']=df.where(df['a']>0).apply(np.cumsum) df['negatives']=df.where(df['a']0 else False) #adds a flags like your example. df['compare']=df['flag']==df['flag'].shift(-1) df[df['compare']==False]

应该导致

a positives negatives flag compare 1 -2 NaN -3.0 False False 3 1 2.0 NaN True False 5 -2 NaN -7.0 False False 8 1 8.0 NaN True False

正数和负数是连续正数和负数段的连续和。

更新:更新解决方案(来自OP的评论) 所需要的是独立的积极和消极部分的聚合。一种方法是定义一个简单的函数，如下所示

def signed_agg(pd_col): val=0 sgn=None col_iter=pd_col.iteritems() try: while True: x=col_iter.next()[1] if not sgn: sgn=np.sign(x) if not np.sign(x)==sgn: yield val val=x sgn=np.sign(x) else: val+=x tmp,sgn=(sgn,np.nan) yield sgn sgn=tmp except StopIteration: yield val

将一列传递给此函数并制作一个可以与原始数据框合并的数据框

pd.DataFrame(signed_agg(df['a']),columns=['signed_agg'])

产量

signed_agg 0 NaN 1 NaN 2 -3.0 3 NaN 4 2.0 5 NaN 6 -4.0 7 NaN 8 NaN 9 6.0

也可以以类似的方式编写一个可以由 apply 方法使用的函数，但是我们需要使用 if 语句来检查该元素是否是列的最后一个值，而不是 try ，除了 block 。

关于python - 如何在pandas中按正数或负数对数据进行分组，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/43904413/

【本文地址】

python

python

今日新闻

推荐新闻