Проверить результаты тренда, используя NumPy - PullRequest
Новая
       5

Проверить результаты тренда, используя NumPy

0 голосов
/ 25 августа 2018

У меня есть датафрейм, как указано ниже: 

PROCESS_NO  PROCESS_NAME     RESULT_2    RESULT_3 
10254       AAA              4.40        46.67 
10254       AAA              4.45        48.33 
10254       AAA              4.50        50.00 
10254       AAA              4.45        48.33 
10254       AAA              4.50        50.00 
10255       BBB              4.50        50.00 
10255       BBB              4.50        50.00 
10254       AAA              4.45        48.33 
10254       AAA              4.45        48.33 
10254       AAA              4.45        48.33 
10255       BBB              4.50        51.60 
10255       BBB              4.50        52.80 
10255       BBB              4.50        56.80 
10255       BBB              4.50        51.70 
10255       BBB              4.46        57.90 
10255       BBB              4.44        52.00

Я хочу проверить, совпадают ли соответствующие значения RESULT_2, RESULT_3 с предыдущими 3 значениями строки или выше, а затем присвоить True в противном случае false в другом столбце сгруппировать по PROCESS_NO, PROCESS NAME .

Я хочу, чтобы мой Result Dataframe был таким. 

PROCESS_NO  PROCESS NAME    RESULT_2    CHECK_2 RESULT_3    CHECK_2
10254       AAA             4.40        FALSE   46.67       FALSE 
10254       AAA             4.45        FALSE   48.33       FALSE 
10254       AAA             4.45        TRUE    48.33       TRUE
10254       AAA             4.45        TRUE    48.33       TRUE
10254       AAA             4.45        TRUE    48.33       TRUE
10254       AAA             4.50        TRUE    50.00       TRUE
10254       AAA             4.45        FALSE   48.33       FALSE
10254       AAA             4.50        TRUE    50.00       TRUE
10255       BBB             4.50        FALSE   50.00       FALSE
10255       BBB             4.50        FALSE   50.00       FALSE
10255       BBB             4.50        TRUE    51.60       TRUE
10255       BBB             4.50        TRUE    52.80       TRUE
10255       BBB             4.50        TRUE    56.80       TRUE
10255       BBB             4.50        TRUE    51.70       FALSE
10255       BBB             4.46        FALSE   57.90       TRUE
10255       BBB             4.44        FALSE   52.00       FALSE

Ответы [ 2 ]

0 голосов
/ 25 августа 2018

Попробуйте это. 

def greater_than(df_grp):
    df_grp['CHECK_2'] = df['RESULT_2'].rolling(3).apply(lambda x: all(x[2] >= i for i in x[:1]))
    df_grp['CHECK_3'] = df['RESULT_3'].rolling(3).apply(lambda x: all(x[2] >= i for i in x[:1]))
    df_grp[['CHECK_2','CHECK_3']] = df_grp[['CHECK_2','CHECK_3']].fillna(0).astype(int)
    return df_grp

result = df.groupby(['PROCESS_NO', 'PROCESS NAME']).apply(greater_than)
print(result)

выходы 

    PROCESS_NO PROCESS NAME  RESULT_2  RESULT_3  CHECK_2  CHECK_3
0        10254          AAA      4.40     46.67        0        0
1        10255          BBB      4.50     50.00        0        0
2        10255          BBB      4.50     50.00        1        1
3        10254          AAA      4.45     48.33        0        0
4        10254          AAA      4.45     48.33        0        0
5        10254          AAA      4.45     48.33        1        1
6        10254          AAA      4.45     48.33        1        1
7        10254          AAA      4.50     50.00        1        1
8        10255          BBB      4.50     51.60        1        1
9        10255          BBB      4.50     52.80        1        1
10       10255          BBB      4.50     56.80        1        1
11       10255          BBB      4.50     51.70        1        0
12       10255          BBB      4.50     57.90        1        1
13       10255          BBB      4.50     52.00        1        1
14       10254          AAA      4.45     48.33        0        0
15       10254          AAA      4.50     50.00        1        0

объяснение

  • Сначала примените groupbyметод в ['PROCESS_NO', 'PROCESS NAME']
  • применить пользовательскую функцию к группе.Это принимает сгруппированный фрейм данных в качестве аргумента
  • Затем вы используете Pandas Roll, который рисует окно вокруг 3 значений (по центру последнего)
  • Вызовите лямбда-функцию, чтобы проверить, все ли значения меньшечем предыдущие (0 - «ЛОЖЬ» и 1 - «ИСТИНА»)
  • заполнить как 0 для начала окна, у которого нет 3 предыдущих значений

Для болеесм. информацию: https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.apply.html

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.rolling.html

0 голосов
/ 25 августа 2018

Без использования Numpy и самым простым способом: 

import pandas as pd

data = [[10254,'AAA',4.40,46.67],
        [10255,'BBB',4.50,50.00],
        [10255,'BBB',4.50,50.00],
        [10254,'AAA',4.45,48.33],
        [10254,'AAA',4.50,50.00],
        [10254,'AAA',1.50,10.00],]
dataframe = pd.DataFrame(data, columns=['PROCESS_NO','PROCESS NAME','RESULT_2','RESULT_3'])
dataframe['CHECK_2'] = 'FALSE'
dataframe['CHECK_3'] = 'FALSE'
check2_position = dataframe.columns.get_loc('CHECK_2')
check3_position = dataframe.columns.get_loc('CHECK_3')
for i in range(0,len(dataframe)):
    if i >= 3 :
        current_result2 = dataframe.iloc[i]['RESULT_2'];
        if(current_result2 >= dataframe.iloc[i-1]['RESULT_2'] or
           current_result2 >= dataframe.iloc[i-2]['RESULT_2'] or
           current_result2 >= dataframe.iloc[i-3]['RESULT_2'] ):
            dataframe.iat[i,check2_position] = 'TRUE'

        current_result3 = dataframe.iloc[i]['RESULT_3'];
        if(current_result3 >= dataframe.iloc[i-1]['RESULT_3'] or
           current_result3 >= dataframe.iloc[i-2]['RESULT_3'] or
           current_result3 >= dataframe.iloc[i-3]['RESULT_3'] ):
            dataframe.iat[i,check3_position] = 'TRUE'


print(dataframe)

результат будет таким, как вы хотите: 

   PROCESS_NO PROCESS NAME  RESULT_2  RESULT_3 CHECK_2 CHECK_3
0       10254          AAA      4.40     46.67   FALSE   FALSE
1       10255          BBB      4.50     50.00   FALSE   FALSE
2       10255          BBB      4.50     50.00   FALSE   FALSE
3       10254          AAA      4.45     48.33    TRUE    TRUE
4       10254          AAA      4.50     50.00    TRUE    TRUE
5       10254          AAA      1.50     10.00   FALSE   FALSE

Я надеюсь, что это может помочь вам.

Приветствия.

...