熊貓 - 破壞熊貓數據幀中cumsum（）代碼的加/減

Question

我有一個熊貓df和df['Battery capacity'] = df['total_load'].cumsum() + 5200 我用「battery_capacity」中的值減去「total_load」中的值。

所以，現在我想的東西添加到我的代碼，打破了添加/在一定值減去。例如，我不想要比5200更高的值。因此，假設在13:00:00，加起來應該停在5200. 我怎麼能在我的代碼中實現？斯科特波士頓提出了一個if語句，但你會如何使用我的代碼df['Battery capacity'] = df['total_load'].cumsum(if battery capacity = 5200, then stop adding) + 5200 我應該嘗試寫一個函數嗎？

輸出應該是這樣的：

time    total_load battery capacity 
2016-06-01 12:00:00 2150  4487.7 
2016-06-01 13:00:00 1200  5688 (but should stop at 5200) 
2016-06-01 14:00:00 1980  5200 (don't actually add values now because we are still at 5200) 

Answer 1

您可以使用np.clip夾上限和下限。

df['Battery capacity'] = np.clip(df['total_load'].cumsum() + 5200,-np.inf,5200) 

或者作爲@jezrael指出熊貓系列具有clip方法：

df['Battery capacity'] = (df['total_load'].cumsum() + 5200).clip(-np.inf,5200) 

輸出：

     Battery capacity total_load 
2016-01-01 00:00:00   4755.0000 -445.0000 
2016-01-01 01:00:00   4375.0000 -380.0000 
2016-01-01 02:00:00   4025.0000 -350.0000 
2016-01-01 03:00:00   3685.0000 -340.0000 
2016-01-01 04:00:00   2955.4500 -729.5500 
2016-01-01 05:00:00   1870.4500 -1085.0000 
2016-01-01 06:00:00   879.1500 -991.3000 
2016-01-01 07:00:00  -2555.8333 -3434.9833 
2016-01-01 08:00:00  -1952.7503 603.0830 
2016-01-01 09:00:00   -864.7503 1088.0000 
2016-01-01 10:00:00   1155.2497 2020.0000 
2016-01-01 11:00:00   2336.2497 1181.0000 
2016-01-01 12:00:00   4486.2497 2150.0000 
2016-01-01 13:00:00   5200.0000 1200.8330 
2016-01-01 14:00:00   5200.0000 1980.0000 
2016-01-01 15:00:00   5200.0000 -221.2667 

現在，如果你不希望值，低於去零替換-np.inf爲0.

     Battery capacity total_load 
2016-01-01 00:00:00   4755.0000 -445.0000 
2016-01-01 01:00:00   4375.0000 -380.0000 
2016-01-01 02:00:00   4025.0000 -350.0000 
2016-01-01 03:00:00   3685.0000 -340.0000 
2016-01-01 04:00:00   2955.4500 -729.5500 
2016-01-01 05:00:00   1870.4500 -1085.0000 
2016-01-01 06:00:00   879.1500 -991.3000 
2016-01-01 07:00:00   0.0000 -3434.9833 
2016-01-01 08:00:00   0.0000 603.0830 
2016-01-01 09:00:00   0.0000 1088.0000 
2016-01-01 10:00:00   1155.2497 2020.0000 
2016-01-01 11:00:00   2336.2497 1181.0000 
2016-01-01 12:00:00   4486.2497 2150.0000 
2016-01-01 13:00:00   5200.0000 1200.8330 
2016-01-01 14:00:00   5200.0000 1980.0000 
2016-01-01 15:00:00   5200.0000 -221.2667