从Pandas中的列中选择下一个数字

Question

ID     Op     Cl     V        C   R0   R1   R2   R3   R4   R5
UN   22.85  22.86  8830500  0.21  25   34   12   87   105  102
SS   55.01  52.67  6500     5.45  84   122  147  124  644  788   
PN   90.00  90.99  1000     102   89   55   100  156  44   87     
PI   184.99 182.38 15000    84    56   77   97   45   44   33    

我想创建一个新列，在R0,R1,R2,R3,R4,R5列中显示仅次于'Cl'的下一个最大值。以下是我的预期结果：

ID     Op     Cl     V        C   R0   R1   R2   R3   R4   R5  X
UN  22.85  22.86  8830500  0.21   25   34   12   87   105  102 25
SS   55.01  52.67  6500     5.45  84   122  147  124  644  788 84  
PN   90.00  90.99  1000     102   89   55   100  156  44   87 100   
PI   184.99 182.38 15000    84    56   77   97   45   44   33 NaN  

我一直在研究它，但没有运气。我们将感谢您的帮助，谢谢！

Answer 1

取决于下一个最大值的含义。如果你的意思是R0->R5的订单，我们可以试试idxmax:

# extract the `R` columns
s = df.filter(like='R')
# find out where these columns are larger than `Cl`:
mask = s.gt(df['Cl'], axis='rows')
# extract the values with `idxmax` and `lookup`:
df['X'] = np.where(mask.any(1), s.lookup(s.index,mask.idxmax(1)), np.nan)

输出：

ID      Op      Cl        V       C  R0   R1   R2   R3   R4   R5      X
0  UN   22.85   22.86  8830500    0.21  25   34   12   87  105  102   25.0
1  SS   55.01   52.67     6500    5.45  84  122  147  124  644  788   84.0
2  PN   90.00   90.99     1000  102.00  89   55  100  156   44   87  100.0
3  PI  184.99  182.38    15000   84.00  56   77   97   45   44   33    NaN

---

如果下一个最大值是指值，我们可以用sort:修改上面的值

# extract and sort by rows
s = np.sort(df.filter(like='R').values, axis=1)
# now we work with numpy data:
mask = s > df['Cl'].values[:,None]
# check and assign
df['X'] = np.where(mask.any(1), s[np.arange(s.shape[0]),mask.argmax(1)], np.nan)

然后，您几乎得到了相同的输出(对于这个示例数据(，但当然具有上述含义。

Answer 2

另一种选择：

def func(x):
R_values = x[1:]
idx_greater = R_values > x[0]
return np.where(idx_greater.any(), R_values[idx_greater].min(), np.nan)
df['X'] = df.filter(regex='Cl|^R').apply(func, axis=1)

输出：

ID      Op      Cl        V       C  R0   R1   R2   R3   R4   R5      X
0  UN   22.85   22.86  8830500    0.21  25   34   12   87  105  102   25.0
1  SS   55.01   52.67     6500    5.45  84  122  147  124  644  788   84.0
2  PN   90.00   90.99     1000  102.00  89   55  100  156   44   87  100.0
3  PI  184.99  182.38    15000   84.00  56   77   97   45   44   33    nan

这可能比@Quang Hoang的方法慢一点，也不那么优雅。

这背后的逻辑是每行应用一个函数，该函数验证是否有任何R值大于Cl列中的值，然后获得这些值的最小值，否则返回NaN。

注意：Cl列应该在R列之前，就像您提供的数据一样。