如何使用 Pandas 在 Python 中基于同一行中的另一个单元格设置单元格值

Question

我正在研究 Python 和 Pandas 库并尝试一些基础知识，但在文档中迷失了方向。

我有一个Pandas DataFrame

A    B    C    D
1    2    3    4
3    4    1    7
6    9    0    1

... 其他 10k+ 行。

我现在想添加一个列“E”，如果“D”的值位于整个列的前 10%，则该列应为 True/False。

我尝试的一种方法是按“D”列降序排序，然后更新前 10% 的行，这样我可以排序但还没有弄清楚如何更新前 10% 的行

这种方式也会改变原来的顺序，这是不可取的。

 df = df.sort_values('D',ascending=False)
 df.iloc[:0, :(df.shape[0]-1)/10, 5] = value    --- this doesn't work.

只是检查是否有办法在不排序的情况下实现这一点？如果没有，我如何更新前 10% 的行（如果它们已排序）？

谢谢

Answer 1

如果需要 top10 值而不使用重复排序，请使用 np.argsort:

np.random.seed(2021)

df = pd.DataFrame(np.random.randint(30, size=(20, 5)), columns=list('ABCDE'))

n = 10
N = int(len(df.index)*(n/100))
print (N)
2

df['mask'] = np.argsort(np.argsort(-df['E'].to_numpy())) < N
print (df)
     A   B   C   D   E   mask
0   20  21  25   0  13  False
1   22  12  27  29  21   True
2   29  24  12  22   6  False
3    6   6   1   5   7  False
4    1  14   1  28   5  False
5   26   2  16   3  17  False
6   16  18  22  27  20  False
7   29  24   5  17   6  False
8   10  14   7  21   6  False
9    9  21  22  25  18  False
10  10   4  13  10  19  False
11  25  18  26  15   8  False
12  10  12  21  11  19  False
13   1  14  17  25  18  False
14   7  21  19  27  12  False
15  23  19   9   4   9  False
16   7  25   7   7  20  False
17  27  29  11  27  19  False
18  18  14  25  27  18  False
19  21  18  26   0  20   True

如果需要所有 top2 值都可以与 Series.nlargest 和 Series.isin 进行比较：

df['mask'] = df['E'].isin(df['E'].nlargest(2))
print (df)
     A   B   C   D   E   mask
0   20  21  25   0  13  False
1   22  12  27  29  21   True
2   29  24  12  22   6  False
3    6   6   1   5   7  False
4    1  14   1  28   5  False
5   26   2  16   3  17  False
6   16  18  22  27  20   True
7   29  24   5  17   6  False
8   10  14   7  21   6  False
9    9  21  22  25  18  False
10  10   4  13  10  19  False
11  25  18  26  15   8  False
12  10  12  21  11  19  False
13   1  14  17  25  18  False
14   7  21  19  27  12  False
15  23  19   9   4   9  False
16   7  25   7   7  20   True
17  27  29  11  27  19  False
18  18  14  25  27  18  False
19  21  18  26   0  20   True

Answer 2

如果您不想使用内置的quantile。使用排序方法：-

top_10_pc = int(len(df.index) * 0.1)
min_val = min(df.sort_values(by=['D'], ascending=False)[:top_10_pc]['D'])
df['E'] = df['D'] >= min_val