熊猫：连续计算值

Question

我有一个数字DataFrame，例如：

x = np.array([[1,2,3],[-1,-1,1],[0,0,0]])
df = pd.DataFrame(x, columns=['A','B','C'])
df

   A  B  C
0  1  2  3
1 -1 -1  1
2  0  0  0

我想为每一行计算正值，负值和等于0的值。我一直在尝试以下方法：

df['positive_count'] = df.apply(lambda row: (row > 0).sum(), axis = 1)
df['negative_count'] = df.apply(lambda row: (row < 0).sum(), axis = 1)
df['zero_count'] = df.apply(lambda row: (row == 0).sum(), axis = 1)

但是我得到以下结果，这显然是不正确的

   A  B  C  positive_count  negative_count  zero_count
0  1  2  3               3               0           1
1 -1 -1  1               1               2           0
2  0  0  0               0               0           5

任何人都知道可能出了什么问题，或者可以帮助我找到最好的方法来做我要寻找的东西？

谢谢。

Answer 1

有一些方法，但是一种选择是使用np.sign和get_dummies：

u = (pd.get_dummies(np.sign(df.stack()))
       .sum(level=0)
       .rename({-1: 'negative_count', 1: 'positive_count', 0: 'zero_count'}, axis=1))
u

   negative_count  zero_count  positive_count
0               0           0               3
1               2           0               1
2               0           3               0

df = pd.concat([df, u], axis=1)
df

   A  B  C  negative_count  zero_count  positive_count
0  1  2  3               0           0               3
1 -1 -1  1               2           0               1
2  0  0  0               0           3               0

np.sign 将零与正负值区别对待，因此在这里使用是理想的。

另一种选择是groupby和value_counts：

(np.sign(df)
   .stack()
   .groupby(level=0)
   .value_counts()
   .unstack(1, fill_value=0)
   .rename({-1: 'negative_count', 1: 'positive_count', 0: 'zero_count'}, axis=1))

   negative_count  zero_count  positive_count
0               0           0               3
1               2           0               1
2               0           3               0

稍微冗长一些，但仍然值得了解。