匹配多列中的值的函数

使用以下测试数据：

df2 = pd.DataFrame(np.random.randn(12, 3), columns=['A', 'B', 'C'])
thresh = .3
df2['matches'] = np.where(df2.A - df2.B < thresh,1,0)

我创建了df2['matches']显示值为1 when df2.A - df2.B < thresh.

        A           B            C      matches
0   0.501554    -0.589855   -0.751568   0
1   -0.295198   0.512442    0.466915    1
2   0.074863    0.343388    -1.700998   1
3   0.115432    -0.507847   -0.825545   0
4   1.013837    -0.007333   -0.292192   0
5   -0.930738   1.235501    -0.652071   1
6   -1.026615   1.389294    0.035041    1
7   0.969147    -0.397276   1.272235    0
8   0.120461    -0.634686   -1.123046   0
9   0.956896    -0.345948   -0.620748   0
10  -0.552476   1.376459    0.447807    1
11  0.882275    0.490049    0.713033    0

但是，我实际上想比较所有三列，以及值是否在范围内thresh它将返回一个与匹配数量相对应的数字df2['matches].

例如，如果 Col A = 1、B = 2 和 C = 1.5 并且 thresh 为 0.5，则函数将在 ['matches'] 列中返回 3。

是否有一个函数已经做了类似的事情或者任何人都可以帮助解决这个问题？

您可以使用每对列的阈值，然后对生成的布尔列进行求和以获得所需的数字。但请注意，该数字取决于比较列的顺序。如果你使用的话，这种歧义就会消失abs(df['A']-df['B'])等等，这很可能是您的意图。下面我假设这就是您所需要的。

一般来说，您可以使用itertools.combinations生成每对列一次：

from itertools import combinations
df = pd.DataFrame(np.random.randn(12, 3), columns=['A', 'B', 'C'])
thresh = .3
df['matches'] = sum(abs(df[k1]-df[k2])<thresh for k1,k2 in combinations(df.keys(),2))

中的生成器表达式sum()循环遍历每个列对，并构造相应的布尔向量。这些对每个列对进行求和，并将结果列附加到数据帧中。

示例输出thresh = 0.3:

           A         B         C  matches
0   0.146360 -0.099707  0.633632        1
1   1.462810 -0.186317 -1.411988        0
2   0.358827 -0.758619  0.038329        0
3   0.077122 -0.213856 -0.619768        1
4   0.215555  1.930888 -0.488517        0
5  -0.946557 -0.904743 -0.004738        1
6  -0.080209 -0.850830 -0.866865        1
7  -0.997710 -0.580679 -2.231168        0
8   1.762313 -0.356464 -1.813028        0
9   1.151338  0.347636 -1.323791        0
10  0.248432  1.265484  0.048484        1
11  0.559934 -0.401059  0.863616        0

Using itertools.combinations，各列比较为

>>> [k for k in itertools.combinations(df.keys(),2)]
('A', 'B'), ('A', 'C'), ('B', 'C')]

但如果您使用绝对值，这实际上并不重要（因为差异相对于列是对称的）。