我在做一个pandas系列数据框的简单数学公式,并且在编译大量数据时,其中一些值会变为负数。是否有可以添加的代码来确保减法运算的值只能达到最小值零?这是我到目前为止:在数据框列(Pandas)中将负值修剪为0
deltaT['data'] = (deltaT['hws'] - deltaT['hwr'])
谢谢!
我在做一个pandas系列数据框的简单数学公式,并且在编译大量数据时,其中一些值会变为负数。是否有可以添加的代码来确保减法运算的值只能达到最小值零?这是我到目前为止:在数据框列(Pandas)中将负值修剪为0
deltaT['data'] = (deltaT['hws'] - deltaT['hwr'])
谢谢!
您可以创建deltaT['data']
,然后使用df.loc
到负值设定为0
deltaT['data'] = (deltaT['hws'] - deltaT['hwr'])
deltaT.loc[deltaT['data'] < 0, 'data'] = 0
你可以选择clip_lower
在单个操作这样做。
deltaT['data'] = (deltaT['hws'] - deltaT['hwr']).clip_lower(0)
选项1
简单
deltaT['data'] = deltaT.eval('(hws - hwr) * (hws > hwr)')
考虑deltaT
deltaT = pd.DataFrame(dict(hws=[5, 8], hwr=[8, 5]))
deltaT.assign(data=deltaT.eval('(hws - hwr) * (hws > hwr)'))
hwr hws data
0 8 5 0
1 5 8 3
选项2
同选项1,但使用numpy的阵列
r, s = (deltaT[c].values for c in ['hwr', 'hws'])
deltaT.assign(data=(s - r) * (s > r))
hwr hws data
0 8 5 0
1 5 8 3
选项3
创造性尝试
deltaT.assign(data=deltaT.eval('hws - hwr').to_frame().assign(_=0).max(1))
hwr hws data
0 8 5 0
1 5 8 3
deltaT['data'] = (deltaT['hws'] - deltaT['hwr']).apply(lambda x: max(x, 0))
使用deltaT.iloc [DeltaT的<0 ,'data'] =某个值,例如0 – sera