查找到熊猫数据帧中下一个更高值的距离

Question

>我有一个包含浮点值的数据框

my_df = pd.DataFrame([1,2,1,4,3,2,5,4,7])

我试图找到每个数字，何时(需要向前移动多少个索引(，直到我找到下一个大于当前数字的数字，如果没有更大的数字，我会用一些值标记它(如999999(。

所以对于上面的例子，正确答案应该是

result = [1,2,1,3,2,1,2,1,999999]

目前我已经通过非常慢的双循环解决了它itertuples(意思是 O(n^2((

有没有更聪明的方法可以做到这一点？

Answer 1

这是一个利用广播的基于 numpy 的

：

a = my_df.squeeze().to_numpy() # my_df.squeeze().values for versions 0.24.0.<
diff_mat = a - a[:,None]
result = (np.triu(diff_mat)>0).argmax(1) - np.arange(diff_mat.shape[1])
result[result <= 0] = 99999

---

print(result)
array([    1,     2,     1,     3,     2,     1,     2,     1, 99999],
dtype=int64)

---

其中diff_mat是距离矩阵，我们正在寻找从主对角线开始大于0的值：

array([[ 0,  1,  0,  3,  2,  1,  4,  3,  6],
[-1,  0, -1,  2,  1,  0,  3,  2,  5],
[ 0,  1,  0,  3,  2,  1,  4,  3,  6],
[-3, -2, -3,  0, -1, -2,  1,  0,  3],
[-2, -1, -2,  1,  0, -1,  2,  1,  4],
[-1,  0, -1,  2,  1,  0,  3,  2,  5],
[-4, -3, -4, -1, -2, -3,  0, -1,  2],
[-3, -2, -3,  0, -1, -2,  1,  0,  3],
[-6, -5, -6, -3, -4, -5, -2, -3,  0]], dtype=int64)

为此，我们np.triu：

np.triu(diff_mat)
array([[ 0,  1,  0,  3,  2,  1,  4,  3,  6],
[ 0,  0, -1,  2,  1,  0,  3,  2,  5],
[ 0,  0,  0,  3,  2,  1,  4,  3,  6],
[ 0,  0,  0,  0, -1, -2,  1,  0,  3],
[ 0,  0,  0,  0,  0, -1,  2,  1,  4],
[ 0,  0,  0,  0,  0,  0,  3,  2,  5],
[ 0,  0,  0,  0,  0,  0,  0, -1,  2],
[ 0,  0,  0,  0,  0,  0,  0,  0,  3],
[ 0,  0,  0,  0,  0,  0,  0,  0,  0]], dtype=int64)

通过检查哪些大于0，并取布尔ndarray的argmax，我们将在每行中找到大于0的第一个值：

(np.triu(diff_mat)>0).argmax(1)
array([1, 3, 3, 6, 6, 6, 8, 8, 0], dtype=int64)

我们只需要减去从主对角线到开头的相应偏移

量