Вырезание каждой n-й строки в фрейме данных в Python

У меня есть фрейм данных с такими столбцами:

x   y   z
1   10  20
2   10  18
3   11  16.5
4   11  12
5   12  23
6   11  21
7   10  19
8   10  26
.
.

Каждый раз, когда z_n+1 больше z_n, я хочу сократить это z_n.

Результат будет:

x   y   z
1   10  20
2   10  18
3   11  16.5
5   12  23
6   11  21
8   10  26
.
.

Это не происходит каждый x-много раз - индекс каждого изменения от меньшего к большему z_n не является «регулярным».

Есть простой способ сделать это?

df.drop(df.z.diff().le(0))?
Quang Hoang 22.05.2019 23:41
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
1
128
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Пытаться:

df[~(df.z.diff(-1) < 0)]

Выход:

   x   y     z
0  1  10  20.0
1  2  10  18.0
2  3  11  16.5
4  5  12  23.0
5  6  11  21.0
7  8  10  26.0
Ответ принят как подходящий

Мы можем использовать shift, чтобы вернуться на одну строку назад и перейти в обратном направлении с помощью ~:

df[~(df['z'].shift() < df['z'])]

   x   y     z
0  1  10  20.0
1  2  10  18.0
2  3  11  16.5
3  4  11  12.0
5  6  11  21.0
6  7  10  19.0

Проверьте свой вывод. Я думаю, что 19 должны быть исключены.

Scott Boston 23.05.2019 02:01

Другие вопросы по теме