英文:
how to create a mask Boolean data frame based on a condition
问题
以下是已翻译的数据部分：
我有一个数据框如下;|may | apr | mar |feb|jan|dec|| -- | ----|-----|---|---|---|| 0 | 0 | 0 | 1 |2 | 3 || 1 | 2 | 3 | 4 |5 | 6 || 1 | 2 | 2 | 2 |2 | 3 || 0 | 0 | 1 | 2 |2 | 3 |我想要掩码布尔数据，在每行中的1和前2个数字将为True预期输出如下;|may | apr | mar |feb |jan |dec || -- | ---- |----- |--- |--- |--- || False | False | False | True |True | False|| True | True | False | False |False | False|| True | True | False | False |False |False || False | False | True | True |False | False|
英文:
I have a data frame as follows;
|may | apr | mar |feb|jan|dec|| -- | ----|-----|---|---|---|| 0 | 0 | 0 | 1 |2 | 3 || 1 | 2 | 3 | 4 |5 | 6 || 1 | 2 | 2 | 2 |2 | 3 || 0 | 0 | 1 | 2 |2 | 3 |
I want mask Boolean data where I would have True for 1s and first 2 in each row
Expected output is as follows;
|may | apr | mar |feb |jan |dec || -- | ---- |----- |--- |--- |--- || False | False | False | True |True | False|| True | True | False | False |False | False|| True | True | False | False |False |False || False | False | True | True |False | False|
答案1
得分: 2
out = df.eq(1) | (df.eq(2) & (df.eq(2).cumsum(axis=1)==1))
Out[28]:
may apr mar feb jan dec
0 False False False True True False
1 True True False False False False
2 True True False False False False
3 False False True True False False
英文:
Check with two steps conditions combination
out = df.eq(1) | (df.eq(2) & (df.eq(2).cumsum(axis=1)==1))Out[28]:may apr mar feb jan dec0 False False False True True False1 True True False False False False2 True True False False False False3 False False True True False False
答案2
得分: 1
另一个可能的解决方案：
(df.T.eq(1) | df.T.ne(2).cummin().diff().fillna(False)).T
或者：
(df.eq(1) | df.ne(2).cummin(axis=1).astype(int).diff(axis=1).fillna(0).astype(bool))
输出：
五月 四月 三月 二月 一月 十二月0 False False False True True False1 True True False False False False2 True True False False False False3 False False True True False False
英文:
Another possible solution:
(df.T.eq(1) | df.T.ne(2).cummin().diff().fillna(False)).T
Or:
(df.eq(1) | df.ne(2).cummin(axis=1).astype(int).diff(axis=1).fillna(0).astype(bool))
Output
may apr mar feb jan dec0 False False False True True False1 True True False False False False2 True True False False False False3 False False True True False False
答案3
得分: 0
只使用布尔表达式。
英文:
Just use a boolean expression.
import pandas as pddf = pd.DataFrame({"may": [1,2,3,4,5], "apr": [4,5,6,7,8], "mar": [9, 10, 11, 12, 13]})ndf = (df == 1) | (df == 2)
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论