Primero construyamos un dataframe con números para ilustrar mejor el ejemplo. Este dataframe tiene varias columnas con diferentes tipos de datos, de entre las cuales nos interesan solo a efectos del algoritmo las llamadas "Price1", "Price2" y "Price3".
Este es el ejemplo:
Time Price1 Price2 Price3 Result
1:10 4.23 4.23 4.23 0
1:20 5.80 5.80 5.80 0
1:30 6.12 6.12 6.12 0
1:40 6.5 6.5 6.12 0
1:50 6.5 6.6 6.6 0
2:00 6.7 6.7 6.7 0
2:10 6.8 6.7 6.8 0
2:20 5 5 5.3 0
2:30 5.3 5.3 5.3 0
La columna Result no contiene aún los resultados buscados.
Lo primero es quedarse con el sub-dataframe que contiene solo los números que nos interesan. Esto puede hacerse seleccionando solo las columnas de interés, por su nombre, así:
df[["Price1", "Price2", "Price3"]]
O si fueran muchas puede ser más interesante seleccionarlas por sus índices, por ejemplo, todas las columnas salvo la primera y la última:
df.iloc[:, 1:-1]
En tu caso también puedes hacer df[numeric_cols]
.
Cualquiera de estos métodos nos dejaría en un dataframe que sólo contiene las columnas que nos interesan (en mi ejemplo supondré que son las tres llamadas "Price")
Lo segundo aplicar la operación .diff()
sobre el dataframe resultante. Esto resta a cada fila la anterior, dejando como resultado un dataframe que contendrá ceros en los lugares en que el dato era igual al de la fila anterior. Si aplicamos la comparación == 0
entonces tendremos True
en esas posiciones (en las que el dato era igual al de la fila anterior)
>>> df.iloc[:, 1:-1].diff() == 0
Price1 Price2 Price3
0 False False False
1 False False False
2 False False False
3 False False True
4 True False False
5 False False False
6 False True False
7 False False False
8 False False True
Ahora podemos aplicar la oepración .any()
al resultado para que "junte" las columnas en una sola, en la que debe aparecer True
si cualquiera (any) de los datos de la fila era True
. (También tienes la operación .all()
si la condición que buscas es que todos los datos de la fila sean True
).
Para que .any()
opere "en horizontal" (por filas) hay que decirle axis=1
. De lo contrario operaría por columnas (dando True
si aparece al menos un True
en la columna), dando al final sólo un booleano por columna. Nosotros queremos un booleano por fila:
>>> (df.iloc[:, 1:-1].diff()==0).any(axis=1)
0 False
1 False
2 False
3 True
4 True
5 False
6 True
7 False
8 True
Ya solo queda convertir esa columna a enteros y asignarla al resultado.
En una sola instrucción:
df.Result = (df.iloc[:, 1:-1].diff()==0).any(axis=1).astype(int)
Time Price1 Price2 Price3 Result
0 1:10 4.23 4.23 4.23 0
1 1:20 5.80 5.80 5.80 0
2 1:30 6.12 6.12 6.12 0
3 1:40 6.50 6.50 6.12 1
4 1:50 6.50 6.60 6.60 1
5 2:00 6.70 6.70 6.70 0
6 2:10 6.80 6.70 6.80 1
7 2:20 5.00 5.00 5.30 0
8 2:30 5.30 5.30 5.30 1