使用设置规则组合 Pandas 中的两列

Question

我有一个大的 Pandas 数据框，大致如下所示：

df = pd.Dataframe({'1m1y_vol': {0: 71.0, 1: 60.1, 2: 68.95},
                   '1m25y_vol': {0: 75.9, 1: 81.45, 2: 89.4}, 
                   'Days_since_meeting': {0: 8, 1: 1, 2: 5}, 
                   'Days_to_meeting': {0: -50, 1: -39, 2: -35}})

_vol 列代表一些波动性，Days_since_meeting 是某个事件发生后经过的天数，Days_to_meeting 是下一个事件发生前的天数（两列都包含整数）。

我想创建一个名为 time_window 的新列，其中 return 是 Days_since_meeting 的值，如果它的值 <= 10 天，或者 return Days_to_meeting 的值否则。 objective 是 time_window 列仅包含 -10 到 10 之间的整数（我已经过滤了数据框以仅保留 Days_since_meeting <= 10 或 Days_to_meeting > 的数据= -10，所以现在只需合并两列即可）。

我尝试使用 df.combine() 方法使用以下代码来创建一个新的单列数据框，我可以将其与主数据框连接，但它只有 returns NaNs:

time_window = df.loc[:,["Days_to_meeting"]].rename(columns{"Days_to_meeting":"Time_window"})
days_since_meeting = df.loc[:,["Days_since_meeting"]].rename(columns={"Days_since_meeting":"Time_window"})


def define_time_window_func(s1, s2):
    s3 = pd.Series()
    for i, j in zip(s1, s2):
        if i <= 10:
            s3.append(pd.Series([i]))
        else:
            s3.append(pd.Series([j]))



time_window.combine(days_since_meeting, define_time_window_func)

任何帮助将不胜感激！

Answer 1

这是您要查找的内容吗？如果不是，我不确定我是否理解问题。

df = pd.DataFrame({'1m1y_vol': {0: 71.0, 1: 60.1, 2: 68.95},
                   '1m25y_vol': {0: 75.9, 1: 81.45, 2: 89.4}, 
                   'Days_since_meeting': {0: 8, 1: 1, 2: 5}, 
                   'Days_to_meeting': {0: -50, 1: -39, 2: -35}})
df['time_window'] = np.where(df['Days_since_meeting'] <= 10, df['Days_since_meeting'], df['Days_to_meeting'])
df

使用设置规则组合 Pandas 中的两列

Combining two columns in Pandas using a set rule

python

dataframe

pandas