根据pandas DataFrame列确定值是否在范围内

Question

我正在尝试确定DataFrame的一行中的给定值是否在单独的DataFrame的另外两列内，或者该估计值是否为零。

import pandas as pd
df = pd.DataFrame([[-1, 2, 1, 3], [4, 6, 7,8], [-2, 10, 11, 13], [5, 6, 8, 9]],
columns=['lo1', 'up1','lo2', 'up2'])
lo1  up1  lo2  up2
0   -1    2    1    3
1    4    6    7    8
2   -2   10   11   13
3    5    6    8    9
df2 = pd.DataFrame([[1, 3], [4, 6] , [5, 8], [10, 2,]],
columns=['pe1', 'pe2'])
pe1  pe2
0    1    3
1    4    6
2    5    8
3   10    2

更清楚地说，是否可以开发一个for-循环或使用一个函数，该函数可以查看pe1及其相应的值，并确定它们是否在lo1和up1内，lo1和up1是否过零，以及pe1=0是否过零？我很难用Python编写这个代码。

编辑：我希望输出类似于：

m1  m2
0   0   3
1   4   0
2   0   0
3   0   0

由于落在其对应的lo和up列内的唯一pe在第一行第二列和第二行第一列中。

Answer 1

您最终可以沿着横轴连接两个数据帧，然后使用np.where。这与RJ Adriaansen使用的where具有类似的行为。

import pandas as pd
import numpy as np
# Data
df1 = pd.DataFrame([[-1, 2, 1, 3], [4, 6, 7,8], [-2, 10, 11, 13], [5, 6, 8, 9]],
columns=['lo1', 'up1','lo2', 'up2'])

df2 = pd.DataFrame([[1, 3], [4, 6] , [5, 8], [10, 2,]],
columns=['pe1', 'pe2'])
# concatenate dfs
df = pd.concat([df1, df2], axis=1)

现在df看起来像

lo1  up1  lo2  up2  pe1  pe2
0   -1    2    1    3    1    3
1    4    6    7    8    4    6
2   -2   10   11   13    5    8
3    5    6    8    9   10    2

最后我们使用np.where和between

for k in [1, 2]:
df[f"m{k}"] = np.where(
(df[f"pe{k}"].between(df[f"lo{k}"], df[f"up{k}"]) & 
df[f"lo{k}"].gt(0)),
df[f"pe{k}"],
0)

结果是

lo1  up1  lo2  up2  pe1  pe2  m1  m2
0   -1    2    1    3    1    3   0   3
1    4    6    7    8    4    6   4   0
2   -2   10   11   13    5    8   0   0
3    5    6    8    9   10    2   0   0

Answer 2

您可以为所需条件创建布尔掩码。对于pe1，这将是：

lo1中的

• 值小于或等于pe1
• up1中的值大于或等于pe1
• lo1中的值大于0

这将使这个掩码：

(df['lo1'] <= df2['pe1'])  &  (df['up1'] >= df2['pe1']) & (df['lo1'] > 0)

返回：

0    False
1     True
2    False
3    False
dtype: bool

现在，您可以使用where来保留与True匹配的值，并将不匹配的值替换为0:

df2['pe1'] = df2['pe1'].where((df['lo1'] <= df2['pe1']) & (df['up1'] >= df2['pe1']) & (df['lo1'] > 0), other=0)
df2['pe2'] = df2['pe2'].where((df['lo2'] <= df2['pe2']) & (df['up2'] >= df2['pe2']) & (df['lo2'] > 0), other=0)

结果：

0		1	4	0
2		3