从每行的最后 150 行中获取所有正值的计数 - 熊猫答案

【问题标题】：get count of all positive values from a the last 150 rows at each row - pandas从每行的最后 150 行中获取所有正值的计数 - 熊猫
【发布时间】：2018-08-22 21:57:38
【问题描述】：

我有以下数据集，其中每一行都有 Date 列和 Values 列。它同时具有 +ve 和 -ve 值。我必须计算最后 150 行的所有正值。在每一行。所以第 150 行将有空值。然后，以下行将具有最后 150 个 +ve 行的计数，类似地，-ve 列将填充该行之前的负值计数。

我尝试使用：

def get_count_of_all_150_positive_rows_before_this_row(row):
    df1 = row.tail(2)
    df1 = df1.to_frame()
    print(df1.tail())
    # if df1['positive_values'] > 0:
        return (df1['positive_values'].count())


df.apply(get_count_of_all_150_positive_rows_before_this_row, axis=1)

数据集：

Date        values      positive_values    negative_values
01/01/08    0.12344     
02/01/08    -0.12344        
03/01/08    -0.1234433      
04/01/08    -0.12344        
05/01/08    -0.1234433      
06/01/08    -0.12344        
07/01/08    -0.1234433      
08/01/08    -0.12344        
09/01/08    -0.1234433      
10/01/08    0.12344     
11/01/08    -0.12344        
12/01/08    -0.1234433      
13/01/08    -0.12344        
14/01/08    -0.1234433      
15/01/08    -0.12344        
16/01/08    -0.1234433      
17/01/08    -0.12344        
18/01/08    -0.1234433      
19/01/08    0.12344

【问题讨论】：

你可以为 +-5 添加输出，而不是 150？ 15-20行也应该足够了。谢谢。
我已经截断了您的数据.. minimal 示例不需要您的所有行。我们可以用 5 而不是 150 来演示逻辑。
@Jason，请提供所需的输出，假设最后 5 行，给定您问题中的截断数据。

标签： python pandas

【解决方案1】：

这可能是您正在寻找的：

import numpy as np

tail = df.tail(5)
pos = len(tail[df['values']>0])
neg = len(tail[df['values']<0])

df['pos_values'], df['neg_values'] = np.nan, np.nan
df.loc[df.index.values[-5:], 'pos_values'] = pos
df.loc[df.index.values[-5:], 'neg_values'] = neg

#         Date    values  pos_values  neg_values
# 0   01/01/08  0.123440         NaN         NaN
# 1   02/01/08 -0.123440         NaN         NaN
# 2   03/01/08 -0.123443         NaN         NaN
# 3   04/01/08 -0.123440         NaN         NaN
# 4   05/01/08 -0.123443         NaN         NaN
# 5   06/01/08 -0.123440         NaN         NaN
# 6   07/01/08 -0.123443         NaN         NaN
# 7   08/01/08 -0.123440         NaN         NaN
# 8   09/01/08 -0.123443         NaN         NaN
# 9   10/01/08  0.123440         NaN         NaN
# 10  11/01/08 -0.123440         NaN         NaN
# 11  12/01/08 -0.123443         NaN         NaN
# 12  13/01/08 -0.123440         NaN         NaN
# 13  14/01/08 -0.123443         NaN         NaN
# 14  15/01/08 -0.123440         1.0         4.0
# 15  16/01/08 -0.123443         1.0         4.0
# 16  17/01/08 -0.123440         1.0         4.0
# 17  18/01/08 -0.123443         1.0         4.0
# 18  19/01/08  0.123440         1.0         4.0

【讨论】：

【解决方案2】：

您想使用 pd.rolling() 在给定前一个“周期”计数的情况下对正负数进行滚动计数。

period = 5
df['less_than_zero'] = (df['values']
                        .rolling(window=period, min_periods=period)
                        .agg(lambda x: (x < 0).sum()))

df['greater_than_zero'] = (df['values']
                          .rolling(window=period,min_periods=period)
                          .agg(lambda x: (x > 0).sum()))

这应该会给你你想要的

Out[30]: 
         date    values  less_than_zero  greater_than_zero
0   01/01/08  0.123440             NaN                NaN
1   02/01/08 -0.123440             NaN                NaN
2   03/01/08 -0.123443             NaN                NaN
3   04/01/08 -0.123440             NaN                NaN
4   05/01/08 -0.123443             4.0                1.0
5   06/01/08 -0.123440             5.0                0.0
6   07/01/08 -0.123443             5.0                0.0
7   08/01/08 -0.123440             5.0                0.0
8   09/01/08 -0.123443             5.0                0.0
9   10/01/08  0.123440             4.0                1.0
10  11/01/08 -0.123440             4.0                1.0
11  12/01/08 -0.123443             4.0                1.0
12  13/01/08 -0.123440             4.0                1.0
13  14/01/08 -0.123443             4.0                1.0
14  15/01/08 -0.123440             5.0                0.0
15  16/01/08 -0.123443             5.0                0.0
16  17/01/08 -0.123440             5.0                0.0
17  18/01/08 -0.123443             5.0                0.0
18  19/01/08  0.123440             4.0                1.0

注意：在示例数据集中添加几个 0 是值得的，以确保在这种情况下您不会错误地归因它们。（我们不是，但仍然）

【讨论】：