Рассмотрим следующий пример (два представляющих интерес элемента: final_df и pivot_df. Остальная часть кода предназначена только для построения этих двух df):
import numpy
import pandas
numpy.random.seed(0)
input_df = pandas.concat([pandas.Series(numpy.round_(numpy.random.random_sample(10,), 2)),
pandas.Series(numpy.random.randint(0, 2, 10))], axis = 1)
input_df.columns = ['key', 'val']
pivot_df = input_df.pivot(columns = 'key', values = 'val')\
.fillna(method = 'pad')\
.cumsum()
index_df = pivot_df.notnull()\
.multiply(pivot_df.columns, axis = 1)\
.replace({0.0: numpy.nan})\
.values
final_df = numpy.delete(numpy.partition(index_df, 3, axis = 1),
numpy.s_[3:index_df.shape[1]], axis = 1)
final_df.sort(axis = 1)
final_df = pandas.DataFrame(final_df)
final_df содержит столько строк, сколько pivot_df. Я хочу использовать эти два для создания третьего df: bingo_df.
bingo_df должен иметь те же размеры, что и final_df. Тогда ячейки bingo_df должны содержать:
- Всякий раз, когда запись
(row = i, col = j) из final_df равна numpy.nan,
запись (i,j) из bingo_df также должна быть numpy.nan.
- В противном случае, [когда запись
(i, j) из final_df не numpy.nan], запись (i,j) из bingo_df должна быть значением в ячейке [i, final_df[i, j].value] из pivot_df (фактически final_df[i, j].value это либо имя столбца pivot_df, либо numpy.nan)
Ожидаемый выход:
, поэтому первый ряд final_df равен
0.55, nan, nan.
Итак, я ожидаю, что первый ряд bingo_df будет:
0.0, nan, nan
потому что значение в ячейке (row = 0, col = 0.55) из pivot_df равно 0
(и два последующих numpy.nan в первом ряду final_df также должны быть numpy.nan в bingo_df)
, поэтому второй ряд final_df равен
0.55, 0.72, nan
Итак, я ожидаю, что второй ряд bingo_df будет:
0.0, 1.0, nan
потому что значение в ячейке (row = 1, col = 0.55) из pivot_df равно 0.0
и значение в ячейке (row = 1, col = 0.72) из pivot_df равно 1.0