如何在另外两个带有条件的DataFrame基础上创建0/1 DataFrame？

Question

我试图创建一个基于另外两个DataFrame df3的DataFrames df1和df2。如果df1中的值大于或等于df2中的值，那么我希望在df3中赋值1，否则给0赋值。

这将是一个示例数据，以供说明：

df1
    Date        01K  02K  03K   04K
0   2021-01-01  NaN  3.5  4.2   NaN
1   2021-01-02  2.3  0.1  5.2   2.6
2   2021-01-03  0.3  NaN  2.5   8.2
3   2021-01-04  0.4  NaN  3.0   4.2

df2
    Date        01K  02K  03K   04K
0   2021-01-01  NaN  NaN  NaN   NaN
1   2021-01-02  2.5  0.6  5.8   2.3
2   2021-01-03  0.2  NaN  2.5   8.1
3   2021-01-04  0.3  NaN  2.8   4.2

df3
    Date        01K  02K  03K   04K
0   2021-01-01  0    0    0     0
1   2021-01-02  0    0    0     1
2   2021-01-03  1    0    1     1
3   2021-01-04  1    0    1     1

可复制性：

df1 = pd.DataFrame({
    'Date':['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04'],
    '01K':['NaN', 2.3, 0.3, 0.4], 
    '02K':[3.5, 0.1, 'NaN', 'NaN'], 
    '03K':[4.2, 5.2, 2.5, 3.0], 
    '04K':['NaN', 2.6, 8.2, 4.2]}) 
df1 = df1.replace('NaN',np.nan)

df2 = pd.DataFrame({
    'Date':['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04'],
    '01K':['NaN', 2.5, 0.2, 0.3], 
    '02K':['NaN', 0.6, 'NaN', 'NaN'], 
    '03K':['NaN', 5.8, 2.5, 2.8], 
    '04K':['NaN', 2.3, 8.1, 4.2]}) 
df2 = df2.replace('NaN',np.nan)

我试着用np.where()来做这件事，但是我得到了一个数组作为输出。

df3 = np.where(df1>=df2, 1, 0)

array([[1, 0, 0, 0, 0],
       [1, 0, 0, 0, 1],
       [1, 1, 0, 1, 1],
       [1, 1, 0, 1, 1]])

是否有一种有效的方法来为大型数据集创建具有与其他DataFrames相同结构的DataFrames？

非常感谢!

Answer 1

在这两种情况下都将Date转换为DatetimeIndex，因此与将True, Falses映射为1, 0的整数转换为整数相比是可能的。

df1 = df1.set_index('Date')
df2 = df2.set_index('Date')

df3 = (df1>=df2).astype(int)

如果需要，则使用1使用-1：

df3 = (df1>=df2).astype(int).mul(-1)

df3 = pd.DataFrame(np.where(df1>=df2, -1, 0), 
                  index=df1.index, 
                  columns=df1.columns)