我正在执行大量数据清理,并希望跟踪已操纵的行。有没有一种优雅的方式来跟踪我所做的更改(最好是在数据框的一列之内)?
我的初始数据框的示例为:
import numpy as np
import pandas as pd
ind = pd.Index([pd.Timestamp('2019-03-17'),
pd.Timestamp('2019-03-18'),
pd.Timestamp('2019-03-20'),
pd.Timestamp('2019-03-21'),
pd.Timestamp('2019-03-22'),
pd.Timestamp('2019-03-24')])
data = {'col':[25,25,24,3,25,24]}
df = pd.DataFrame(data, ind)
col
2019-03-17 25
2019-03-18 25
2019-03-20 24
2019-03-21 3
2019-03-22 25
2019-03-24 24
我正在执行几次清理操作(我将其称为“ a”和“ b”),我想在新列中标记已完成这些操作的行。
# operation a: create full date range and forward fill the missing days
df = df.asfreq(freq='D', fill_value=np.nan)
df['col'].fillna(method='ffill', inplace=True)
# operation b: check for rate changes larger than a particular value and forward fill those rows
df.loc[df['col'].diff()<-3, 'col'] = np.nan
df['col'].fillna(method='ffill', inplace=True)
我想添加一列,以跟踪执行了哪些行,以便输出看起来像这样:
col changed
2019-03-17 25.0 0
2019-03-18 25.0 0
2019-03-19 25.0 a
2019-03-20 24.0 0
2019-03-21 24.0 b
2019-03-22 25.0 0
2019-03-23 25.0 a
2019-03-24 24.0 0
我想过的最好的方法是在每个步骤中创建“阴影” dfs,并比较之前(“阴影”)和之后(新df)的值,然后修改“ changed”列是差异,但这感觉很笨重。有没有更简洁的方法?
谢谢!
假设DataFrame包含一个名为changed
的列,并用np.nan
以外的值填充,则可以执行以下操作:
# operation a
df = df.asfreq(freq='D', fill_value=np.nan)
df['col'].fillna(method='ffill', inplace=True)
df['changed'].fillna('a', inplace=True)
# operation b
df.loc[df['col'].diff()<-3, ['col', 'changed']] = [np.nan, 'b']
df['col'].fillna(method='ffill', inplace=True)