将数据帧 python 中每一行的前 h 个值乘以 k

Question

我有一个数据框，其中一些日期作为行和列中的值。要了解 df 如下所示：            c1  c2  c3  c412/12/2016  38  10   1   812/11/2016  44  12  17  4612/10/2016  13   6   2   712/09/2016   9  16  13  26我试图找到一种方法来迭代每一行并只将前 2 个值乘以 k = 3。结果应该在现有 df 的新列中。任何建议或提示都非常感谢！

Answer 1

nlargest

df.assign(newcol=df.apply(sorted, 1).iloc[:, -2:].sum(1) * 3)

            c1  c2  c3  c4  newcol

12/12/2016  38  10   1   8     144

12/11/2016  44  12  17  46     270

12/10/2016  13   6   2   7      60

12/09/2016   9  16  13  26     126

partition

df.assign(newcol=np.partition(df, -2)[:, -2:].sum(1) * 3)

            c1  c2  c3  c4  newcol

12/12/2016  38  10   1   8     144

12/11/2016  44  12  17  46     270

12/10/2016  13   6   2   7      60

12/09/2016   9  16  13  26     126

Answer 2

update在groupby+之后使用nlargest

df.update(df.stack().groupby(level=0).nlargest(2).mul(k).reset_index(level=0,drop=True).unstack())

df

Out[1036]: 

               c1    c2  c3     c4

12/12/2016  114.0  30.0   1    8.0

12/11/2016  132.0  12.0  17  138.0

12/10/2016   39.0   6.0   2   21.0

12/09/2016    9.0  48.0  13   78.0

Answer 3

与df.where+df.rank

n = 2

k = 3

df.where(df.rank(1, method='dense') <= len(df.columns)-n, df*k)

             c1  c2  c3   c4

12/12/2016  114  30   1    8

12/11/2016  132  12  17  138

12/10/2016   39   6   2   21

12/09/2016    9  48  13   78

为了解决您的更新，您仍然可以使用 where + rank，尽管它似乎不如上述操作适合。

df['new_col'] = df.where(df.rank(1, method='dense') >= len(df.columns)-n, df*0).sum(1)*k

            c1  c2  c3  c4  new_col

12/12/2016  38  10   1   8      144

12/11/2016  44  12  17  46      270

12/10/2016  13   6   2   7       60

12/09/2016   9  16  13  26      126