使用來自Pandas Dataframe的選定（查詢（））數據進行高效工作

在查詢一個pandas DataFrame後，我想在查詢中的選定索引之前獲取3個條目。使用來自Pandas Dataframe的選定（查詢（））數據進行高效工作

下面的代碼工作，但我認爲這是骯髒和沒有效率，我只能想象有一個更好的方式與熊貓一起做。

有人可以幫助我嗎？

import pandas as pd 
import numpy as np 

dates = pd.date_range('1/1/2015', periods=50) 
df = pd.DataFrame(np.random.randn(50, 4), index=dates, columns=['A', 'B', 'C', 'D']) 

x = (df['B'] > df['A']) & \ 
     ((df['B'].shift(+1) > df['A'].shift(+1)) == False) & \ 
     (df['B'].shift(+2) > df['A'].shift(+2)) & \ 
     (df['C'] < df['C'].shift(+2)) & \ 
     (df['D'] < df['D'].shift(+1)) 


for d in df[x].index.values: 
    idx = df.index.get_loc(d) 
    print df.iloc[idx - 3:idx]

對於上面的代碼示例輸出：

    A   B   C   D 
2015-01-02 -0.600371 -1.088227 -1.213046 -0.000058 
2015-01-03 -2.373683 -0.455126 -0.852127 0.311744 
2015-01-04 0.240301 -1.957885 0.184642 0.690865 
        A   B   C   D 
2015-01-05 -0.833244 -0.787022 -1.490983 -0.540114 
2015-01-06 0.569680 1.798457 1.253075 0.835848 
2015-01-07 -0.245731 -0.365678 1.452985 2.007146 

Process finished with exit code 0

另一個問題我是，如果有可能使用與「熊貓語言」查詢內部，而不是使用Python「移位」，。

感謝您的幫助！

來源

2016-07-30 Wellington Chaves

據我所知，query()方法不接受函數和方法，可以在列應用 - 至少我不能使它工作

您可以使用eval()方法 - 它看起來好一點：

In [168]: %paste 
mask = (df.eval('B > A') 
     & df.shift(1).eval('B <= A') 
     & df.shift(2).eval('B > A') 
     & (df.C < df.C.shift(2)) 
     & (df.D < df.D.shift(1))) 

df.ix[np.concatenate([np.arange(i-2, i+1) for i in mask.reset_index(name='bool').query('bool').index])] 
## -- End pasted text -- 
Out[168]: 
        A   B   C   D 
2015-01-03 0.027326 1.896523 1.052508 0.279496 
2015-01-04 -0.226720 -1.465787 2.459746 0.089118 
2015-01-05 0.323047 1.707117 -1.760567 -0.066462 
2015-01-31 -1.059314 1.991725 0.819225 -1.212651 
2015-02-01 1.372391 0.247049 0.408600 0.908394 
2015-02-02 -0.777752 -0.326590 -0.062228 -0.226803 
2015-02-16 -0.192333 0.562463 0.126509 -0.342867 
2015-02-17 -0.363513 -1.582659 -0.903556 0.973706 
2015-02-18 -0.796225 -0.575127 0.078172 -2.182067

說明：

In [162]: mask.reset_index(name='bool').query('bool') 
Out[162]: 
     index bool 
4 2015-01-05 True 
32 2015-02-02 True 
48 2015-02-18 True 

In [163]: mask.reset_index(name='bool').query('bool').index 
Out[163]: Int64Index([4, 32, 48], dtype='int64') 

In [164]: [np.arange(i-2, i+1) for i in mask.reset_index(name='bool').query('bool').index] 
Out[164]: 
[array([2, 3, 4], dtype=int64), 
array([30, 31, 32], dtype=int64), 
array([46, 47, 48], dtype=int64)] 

In [165]: np.concatenate([np.arange(i-2, i+1) for i in mask.reset_index(name='bool').query('bool').index]) 
Out[165]: array([ 2, 3, 4, 30, 31, 32, 46, 47, 48], dtype=int64)

來源

2016-07-30 21:18:21 MaxU

使用來自Pandas Dataframe的選定（查詢（））數據進行高效工作

回答

相關問題