Найти значения цели в pandas dataframe

Question

У меня есть многоуровневая информационная рамка df. В качестве столбцов у меня разные «объекты» Я анализирую. Как индекс строк, у меня есть идентификатор дела lc и время t.

Мне нужно найти, для каждого случая lc, время t (в идеале интерполированное, но ближайшее значение достаточно тонкая), при котором каждый объект достиг целевого значения.

Это целевое значение является функцией данного объекта в момент времени t==0.

import pandas as pd 
print(pd.__version__) 

0.16.2 

данные шаблонную пример:

data = {1: {(1014, 0.0): 20.25, 
    (1014, 0.0991): 19.08, 
    (1014, 0.1991): 18.43, 
    (1014, 0.2991): 19.03, 
    (1014, 0.3991): 18.71, 
    (1015, 0.0): 20.22, 
    (1015, 0.0991): 19.3, 
    (1015, 0.1991): 18.68, 
    (1015, 0.2991): 18.22, 
    (1015, 0.3991): 17.84, 
    (1016, 0.0): 21.75, 
    (1016, 0.0991): 19.97, 
    (1016, 0.1991): 19.65, 
    (1016, 0.2991): 19.29, 
    (1016, 0.3991): 18.94 
    }, 
2: {(1014, 0.0): 29.11, 
    (1014, 0.0991): 28.68, 
    (1014, 0.1991): 28.27, 
    (1014, 0.2991): 27.46, 
    (1014, 0.3991): 26.96, 
    (1015, 0.0): 29.22, 
    (1015, 0.0991): 28.64, 
    (1015, 0.1991): 28.18, 
    (1015, 0.2991): 27.74, 
    (1015, 0.3991): 27.25, 
    (1016, 0.0): 29.17, 
    (1016, 0.0991): 28.68, 
    (1016, 0.1991): 28.17, 
    (1016, 0.2991): 27.68, 
    (1016, 0.3991): 27.18 
    }, 
3: {(1014, 0.0): 22.01, 
    (1014, 0.0991): 21.5, 
    (1014, 0.1991): 21.18, 
    (1014, 0.2991): 20.58, 
    (1014, 0.3991): 20.21, 
    (1015, 0.0): 21.81, 
    (1015, 0.0991): 21.46, 
    (1015, 0.1991): 21.11, 
    (1015, 0.2991): 20.78, 
    (1015, 0.3991): 20.42, 
    (1016, 0.0): 21.82, 
    (1016, 0.0991): 21.49, 
    (1016, 0.1991): 21.11, 
    (1016, 0.2991): 20.75, 
    (1016, 0.3991): 20.37 
    }} 

df = pd.DataFrame(data).sort() 
df.index.names=['case', 't'] 

Dataframe выглядит таким образом, как:

    1  2  3 
case t       
1014 0.0000 20.25 29.11 22.01 
    0.0991 19.08 28.68 21.50 
    0.1991 18.43 28.27 21.18 
    0.2991 19.03 27.46 20.58 
    0.3991 18.71 26.96 20.21 
1015 0.0000 20.22 29.22 21.81 
    0.0991 19.30 28.64 21.46 
    0.1991 18.68 28.18 21.11 
    0.2991 18.22 27.74 20.78 
    0.3991 17.84 27.25 20.42 
1016 0.0000 21.75 29.17 21.82 
    0.0991 19.97 28.68 21.49 
    0.1991 19.65 28.17 21.11 
    0.2991 19.29 27.68 20.75 
    0.3991 18.94 27.18 20.37 

Целевые значения являются функцией значений во время t==0. , как правило, это будет k = 0,5 для периода полураспада. Для текущего образца возьмем k = 0,926

Поскольку значения отсортированы, нормально принимать первые строки для каждого случая.

targets = df.groupby(level='case').first() * 0.926 
print(targets) 

      1   2   3 
case        
1014 18.75150 26.95586 20.38126 
1015 18.72372 27.05772 20.19606 
1016 20.14050 27.01142 20.20532 

Теперь, как я мог просто построить следующий dataframe, который показывает время t на которым каждый объект достигает целевое значение, рассчитанных выше?

   1   2   3 
case        
1014 0.3991 0.3991 0.2991 
1015 0.1991 0.3991 0.3991 
1016 0.0991 0.3991 0.3991 

Answer 1

Это несколько рубить, давайте посмотрим, если есть лучшие решения:

In [36]: 
targets['t']=0 

In [37]: 
df2 = df.reset_index().set_index('case') - targets 

In [38]: 
df3 = df2.groupby(df2.index).transform(lambda x: x.abs()==np.min(x.abs())) 

In [39]: 
df4 = pd.DataFrame({'1': df2.t[df3[1]], 
        '2': df2.t[df3[2]], 
        '3': df2.t[df3[3]]}) 

print df4 

      1  2  3 
case       
1014 0.3991 0.3991 0.3991 
1015 0.1991 0.3991 0.3991 
1016 0.0991 0.3991 0.3991