df1['下行带宽'] = df1['下行带宽'].astype(str).str.strip('M') # 去除 '下行带宽' 列中的 'M' 字符 df1['下行带宽'] = pd.to_numeric(df1['下行带宽'], errors='coerce') # 强制将数据转换为数值型,无法转换的值将被设置为 NaN df1['下行速率'] = pd.to_numeric(df1['下行速率'], errors='coerce') # 强制将数据转换为数值型,无法转换的值将被设置为 NaN conditions = [ (df1['下行带宽'] == 100) & (df1['下行速率'] < 50), (df1['下行带宽'] == 40) & (df1['下行速率'] < 30), (df1['下行带宽'] == 20) & (df1['下行速率'] < 10), (df1['下行带宽'] == 5) & (df1['下行速率'] < 2.5), (df1['下行带宽'] == 80) & (df1['下行速率'] < 40), (df1['下行带宽'] == 200) & (df1['下行速率'] < 100) ] choices = ['是', '是', '是', '是', '是', '是'] df1['低速率差小区'] = np.select(conditions, choices, default='否') 以上代码计算完后低速率差小区数量为是的有问题
时间: 2023-09-20 09:04:48 浏览: 123
带宽的算法
5星 · 资源好评率100%
您好!根据您提供的代码,计算低速率差小区数量有问题可能是因为条件判断和选择的设置有误。请确保以下几点:
1. 检查条件判断和选择的设置是否正确,确保与您的需求一致。
2. 确保'下行带宽'和'下行速率'列的数据类型正确,应为数值型。
3. 确保数据中没有缺失值或异常值,否则可能会影响结果。
如果您能提供更详细的代码和数据,我可以帮您进一步排查问题并给出解决方案。
阅读全文