根据 np.select 条件生成增量权重的函数答案

【问题标题】：Function to generate incremental weights based on np.select conditions根据 np.select 条件生成增量权重的函数
【发布时间】：2021-06-04 11:52:49
【问题描述】：

目标：定义函数以使用标志 (1,2,3) 作为触发不同权重 (.2,.4,0) 的条件。输出是一个只有权重的新 df。

np.select 产生了这个错误：

TypeError: condlist 中的无效条目 0: 应该是布尔 ndarray

图像将所需输出显示为“增量重量输出”

import pandas as pd
import numpy as np

flags = pd.DataFrame({'Date': ['2020-01-01','2020-02-01','2020-03-01'],
                    'flag_1': [1, 2, 3],
                   'flag_2': [1, 1, 1],
                   'flag_3': [2, 1, 2],
                   'flag_4': [3, 1, 3],
                   'flag_5' : [1, 2, 2],
                   'flag_6': [2, 1, 2],
                   'flag_7': [1, 1, 1],
                   'flag_8': [1, 1, 1],
                   'flag_9': [3, 3, 2]})

flags = flags.set_index('Date')

def inc_weights(dfin, wt1, wt2, wt3):
    dfin = pd.DataFrame(dfin.iloc[:,::-1])
    dfout = pd.DataFrame()
    conditions = [1,2,3]
    choices = [wt1,wt2,wt3]
    dfout=np.select(conditions, choices, default=np.nan)
    return(dfout.iloc[:,::-1])
inc_weights = inc_weights(flags, .2, .4, 0)
print(inc_weights)

Input and Output

【问题讨论】：

为了让我们帮助您，您必须展示您的努力并提交数据以用于重现您的问题。虽然提供图像很有帮助，但它不允许重现问题。请编辑您的问题以显示最小的可重现集。详情请见Minimal Reproducible Example。
数据在 flags 数据框中，与图像中的输入完全对应。
@itprorh66 我已经查看了最小的 reprex 规则，并试图尽可能地加强它。感谢您的反馈。对于这一步，只是尝试让 np.select 仅适用于增量权重。
您能否将您输入的示例发布为代码而不是图像。如果您将预期的输出作为代码发布也会有所帮助，但我不认为这与输入一样重要。
代码中的flags数据框是输入。

标签： python-3.x pandas loops cumulative-sum

【解决方案1】：

np.select 是不必要的。使用带有映射字典的 df.replace 的简单解决方案。

import pandas as pd
import numpy as np

flags = pd.DataFrame({'Date': ['2020-01-01','2020-02-01','2020-03-01'],
                    'flag_1': [1, 2, 3],
                   'flag_2': [1, 1, 1],
                   'flag_3': [2, 1, 2],
                   'flag_4': [3, 1, 3],
                   'flag_5' : [1, 2, 2],
                   'flag_6': [2, 1, 2],
                   'flag_7': [1, 1, 1],
                   'flag_8': [1, 1, 1],
                   'flag_9': [3, 3, 2]})

flags = flags.set_index('Date')

print(flags)

def inc_weights(dfin, wt1, wt2, wt3):
    dfin = pd.DataFrame(dfin.iloc[:,::-1])
    dfout = pd.DataFrame()
    mapping = {1:wt1,2:wt2,3:wt3}
    dfout=dfin.replace(mapping)
    return(dfout.iloc[:,::-1])
inc_weights = inc_weights(flags, .2, .4, 0)
print(inc_weights)

【讨论】：