分别用 1、-1 和 0 替换正值、负值和零值

Question

我有一个包含 11 列的 pandas 数据框（100,000 obs）。

我正在尝试根据 df['diff']（这是一个 pd.series object 整数值）

分配 df['trade_sign'] 值

如果 diff 为正，则 trade_sign = 1
如果 diff 为负，则 trade_sign = -1
如果 diff 为 0，则 trade_sign = 0

到目前为止我尝试过的：

pos['trade_sign'] = (pos['trade_sign']>0) <br>
pos['trade_sign'].replace({False: -1, True: 1}, inplace=True)

但这显然没有考虑 0 值。
我还尝试了带有 if 条件的循环，但那没有用。

基本上，我如何修复我的 .replace 函数以考虑差异值 0。

理想情况下，我更喜欢使用 numpy 而不是带有 if 条件的循环的解决方案。

Answer 1

你可以这样做：

pos['trade_sign'] = (pos['diff'] > 0) * 1 + (pos['diff'] < 0) * -1

element-wise > 和 < 比较的 boolean 结果自动转换为 int 以便与 [=18= 相乘] 和 -1。

本示例输入和测试代码：

import pandas as pd
pos = pd.DataFrame({'diff':[-9,0,9,-8,0,8,-7-6-5,4,3,2,0]})
pos['trade_sign'] = (pos['diff'] > 0) * 1 + (pos['diff'] < 0) * -1
print(pos)

... 给出此输出：

    diff  trade_sign
0     -9          -1
1      0           0
2      9           1
3     -8          -1
4      0           0
5      8           1
6    -18          -1
7      4           1
8      3           1
9      2           1
10     0           0

UPDATE: 除了上面的解决方案，以及其他答案中的一些其他优秀想法，你可以使用 numpy where:

pos['trade_sign'] = np.where(pos['diff'] > 0, 1, np.where(pos['diff'] < 0, -1, 0))

Answer 2

    a = [-1 if df['diff'].values[i] < 0 else 1 for i in range(len(df['diff'].values))]
    df['trade_sign'] = a

Answer 3

numpy中有一个sign函数：

df["trade_sign"] = np.sign(df["diff"])

如果你想要整数，

df["trade_sign"] = np.sign(df["diff"]).astype(int)

分别用 1、-1 和 0 替换正值、负值和零值

Replacing positive, negative, and zero values by 1, -1, and 0 respectively

python

numpy

dataframe

pandas