检查当前行中的所有列值是否小于熊猫数据框中的所有先前行

Question

是否有方法检查当前行中的所有列值是否小于所有先前行中的对应列值（直到当前行行）在熊猫数据框中（贯穿整个数据框）并相应创建一个值为1或0的新列？

Answer 1

考虑数据框df

np.random.seed(1) 
df = pd.DataFrame(np.random.rand(10, 2), columns=list('AB')) 

df 

      A   B 
0 0.417022 0.720324 
1 0.000114 0.302333 
2 0.146756 0.092339 
3 0.186260 0.345561 
4 0.396767 0.538817 
5 0.419195 0.685220 
6 0.204452 0.878117 
7 0.027388 0.670468 
8 0.417305 0.558690 
9 0.140387 0.198101 

选项1
cummin与shift
这里的概念是跟踪的最低值是什么，到目前为止为每列。如果特定行上的值小于前一行及其之前的所有行，则它必须是新的最小值。我们可以通过检查它是否小于前一行中的最小值来判断这是否为True。
注意这应该工作得很好，与NaN值。

df.assign(New=(df < df.cummin().shift()).all(1).astype(int)) 

      A   B New 
0 0.417022 0.720324 0 
1 0.000114 0.302333 1 
2 0.146756 0.092339 0 
3 0.186260 0.345561 0 
4 0.396767 0.538817 0 
5 0.419195 0.685220 0 
6 0.204452 0.878117 0 
7 0.027388 0.670468 0 
8 0.417305 0.558690 0 
9 0.140387 0.198101 0 

---

选项2
numpy版
numpy.minimum

v = df.values 
c = np.minimum.accumulate(v[:-1], axis=0) 
df.assign(New=np.append(False, (v[1:] < c).all(1)).astype(int)) 

      A   B New 
0 0.417022 0.720324 0 
1 0.000114 0.302333 1 
2 0.146756 0.092339 0 
3 0.186260 0.345561 0 
4 0.396767 0.538817 0 
5 0.419195 0.685220 0 
6 0.204452 0.878117 0 
7 0.027388 0.670468 0 
8 0.417305 0.558690 0 
9 0.140387 0.198101 0 

Answer 2

使用@ piRsuared的DF：

np.random.seed(1) 
df = pd.DataFrame(np.random.rand(10, 2), columns=list('AB')) 
Out[31]: 
      A   B 
0 0.417022 0.720324 
1 0.000114 0.302333 
2 0.146756 0.092339 
3 0.186260 0.345561 
4 0.396767 0.538817 
5 0.419195 0.685220 
6 0.204452 0.878117 
7 0.027388 0.670468 
8 0.417305 0.558690 
9 0.140387 0.198101 

您可以使用apply将当前行与前面所有行的最大值进行比较，然后将结果转换为int。

df.apply(lambda x: (x<df[0:x.name].max()).all().astype(int),axis=1) 
Out[30]: 
0 0 
1 1 
2 1 
3 1 
4 1 
5 0 
6 0 
7 1 
8 1 
9 1 
dtype: int64