如何在pandas python中得到最近除以100的数字

3 回答

• 4

  我提出的解决方案：

  last = df.loc[0, 'input'].round(-2)
  for ix in range(len(df)):
      inp = df.loc[ix, 'input']
      last = inp.round(-2) if abs(inp - last) >= 100 else last
      df.loc[ix, 'output'] = last
  

  它产生了OP给出的输出 .

  回复于 2024-05-06T03:56:03+08:00
• 0

  据我所知，没有't an intuitive approach here that doesn't涉及显式迭代，这对于 numpy 和 pandas 来说并不理想 . 但是，这个问题的时间复杂度是O（n），这使得它成为 numba 库的一个很好的目标 . 这使我们能够提出一个非常有效的解决方案 .

  关于我的解决方案的一个注意事项，我使用 (a + threshold // 2) // threshold * threshold ，与使用 np.round(a, decimals=-2) 相比看起来冗长 . 这是由于使用 numba 的 nopython=True ，flag的性质，它与 np.round 函数不兼容 .

  ---

  from numba import jit
  
  @jit(nopython=True)
  def cumsum_with_threshold(arr, threshold):
         """
         Rounds values in an array, propogating the last value seen until
         a cumulative sum reaches a threshold
         :param arr: the array to round and sum
         :param threshold: the point at which to stop propogation
         :return: rounded output array
         """
  
         s = a.shape[0]
         o = np.empty(s)
         d = a[0]
         r = (a + threshold // 2) // threshold * threshold
         c = 0
         o[0] = r[0]
  
         for i in range(1, s):
             if np.abs(a[i] - d) > threshold:
                 o[i] = r[i]
                 d = a[i]
             else:
                 o[i] = o[i - 1]
  
         return o
  

  我们来测试一下：

  a = df['input'].values
  pd.Series(cumsum_with_threshold(a, 100))
  

  0     11700.0
  1     11700.0
  2     11700.0
  3     11700.0
  4     11700.0
  5     11700.0
  6     11600.0
  7     11600.0
  8     11600.0
  9     11600.0
  10    11700.0
  11    11700.0
  12    11700.0
  13    11600.0
  14    11600.0
  dtype: float64
  

  ---

  如果要将舍入值与输入进行比较而不是实际值，只需在循环中对上面的函数进行以下更改，从而提供问题的输出 .

  for i in range(1, s):
     if np.abs(a[i] - d) > t:
         o[i] = r[i]
         # OLD d = a[i]
         d = r[i]
     else:
         o[i] = o[i - 1]
  

  ---

  为了测试效率，让我们在更大的数据集上运行它：

  l = np.random.choice(df['input'].values, 10_000_000)
  
  %timeit cumsum_with_threshold(l, 100)
  1.54 µs ± 7.93 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
  

  回复于 2024-05-06T03:56:03+08:00
• 2

  无论如何都不优雅，但后来我觉得没有办法绕过这个循环（可能是错的！）：

  vals = df1['input'].values
  anchor = vals[0]
  ch = np.zeros(len(vals))
  ch.fill(np.nan)
  for i in range(len(vals)):
      if abs(vals[i] - anchor) >= 100:
          anchor = vals[i]
          ch[i] = 1
      else:
          continue
  ch[0] = 1
  
  df['out_check'] = pd.Series(100* np.round((df['input'] * ch)/100)).ffill()
  

  OUTPUT：

  input  output  out_check
  0   11700.15   11700    11700.0
  1   11695.20   11700    11700.0
  2   11661.00   11700    11700.0
  3   11630.40   11700    11700.0
  4   11666.10   11700    11700.0
  5   11600.30   11700    11700.0
  6   11600.00   11600    11600.0
  7   11555.40   11600    11600.0
  8   11655.20   11600    11600.0
  9   11699.00   11600    11600.0
  10  11701.55   11700    11700.0
  11  11799.44   11700    11700.0
  12  11604.65   11700    11700.0
  13  11600.33   11700    11600.0
  14  11599.65   11600    11600.0
  

  我相信 output 中的最后两个值必须是1600 .

  回复于 2024-05-06T03:56:03+08:00