根据为当前行找到的最后一个负值从另一列添加一个值答案

【问题标题】：Add a value from another column based on the last negative value found for the current row根据为当前行找到的最后一个负值从另一列添加一个值
【发布时间】：2021-11-23 17:36:57
【问题描述】：

我有以下数据框：

data = {'Column A':[400, 522, 633, 744, 150, 140, 119, 744, 150, 400, 390, 315, 744, 150, 400, 522, 500, 633, 744, 204, 215, 150],
    'Column B':[400, 0, 0, 0, -150, 0, 0, 744, 0, -400, 0, 0, -744, 0, -400, 0, 0, -633, 0, 0, 0, 150]}
df = pd.DataFrame(data)

我想要做的是告诉程序逐行执行并将 B 列中最后一个负值的绝对值与当前行的 A 列值进行比较，如果它低 20%，则将其复制到列B. 修改后的 B 列的 Dataframe 如下所示：

data = {'Column A':[400, 522, 633, 744, 150, 140, 119, 744, 150, 400, 390, 315, 744, 150, 400, 522, 500, 633, 744, 204, 215, 150],
    'Column B':[400, 0, 0, 0, -150, 0, 119, 744, 0, -400, 0, 315, -744, 150, -400, 0, 0, -633, 0, 204, 215, 150],
    }

因此，例如在第 6 行中，B 列中的最后一个负值是 -150，因此当您将此值与 A 列中的 140 的值进行比较时，它的绝对值为 150，然后该值不会被复制，因为 140 仍然是在 20% 阈值内，但是在第 7 行，119 比 150 低 20% 以上，因此被复制到 B 列。在第 10 行，最后一个负数变为 -400，因此它将开始使用该值进行比较，然后再次跳过390 但复制 315。

我希望它足够清楚，并提前感谢您的回答。

【问题讨论】：

标签： python arrays pandas dataframe numpy

【解决方案1】：

你可以试试这样的：

last_value = 0
for i, n in df.iterrows():
   if n["Column B"] < 0:
       last_value = abs(n["Column B"])
   if n["Column A"] < last_value*0.8:
       df.loc[df.index == i, 'Column B'] = n["Column A"]

【讨论】：

这解决了问题，但由于我的原始数据集有数千行，不使用 If 语句或 for 循环是否有更有效的方法？
..老实说，我没有选择不使用条件语句和循环来至少迭代您的数据框...

【解决方案2】：

试试：

df['New Column B'] = np.where(df['Column B'].ge(0), np.nan, df['Column B'])
df['New Column B'].ffill(inplace=True)
condition = df['Column A'] < abs(df['New Column B']*0.8))
df['New Column B'].mask(condition, df['Column A'], inplace=True)
condition = df['Column B'].ne(df['New Column B']) & df['New Column B'].ne(df['Column A'])
df['New Column B'].mask(condition, df['Column B'], inplace=True)
df['New Column B'] = df['New Column B'].astype(int)

【讨论】：

Muhammad 谢谢你，你的解决方案效率更高，但是因为我需要用'新B列'替换'B列'我想问你在这个过程中是否有办法避免使用像“新 B 列”这样的辅助列并简单地在现场覆盖 B 列，以便“新 B 列”成为经过修改的实际 B 列。

【解决方案3】：

这是一个带有np.where 和ffill 之后B 列中的最后一个负值的单行。

df['newColB'] = ( # you can reassign directly to Column B
    np.where(df['Column A']<0.8*df['Column B'].where(df['Column B']<0).ffill().abs(), 
             df['Column A'], df['Column B'])
)
print(df)
    Column A  Column B  New Column B  newColB
0        400       400           400      400
1        522         0             0        0
2        633         0             0        0
3        744         0             0        0
4        150      -150          -150     -150
5        140         0             0        0
6        119         0           119      119
7        744       744           744      744
8        150         0             0        0
9        400      -400          -400     -400
10       390         0             0        0
11       315         0           315      315
12       744      -744          -744     -744
13       150         0           150      150
14       400      -400          -400     -400
15       522         0             0        0
16       500         0             0        0
17       633      -633          -633     -633
...

【讨论】：