如何识别3列数值型数据中符号不一致的行？

嗨，针对你需要识别A、B、C三列符号不全相同的行这个需求，我整理了几个简洁高效的实现方式，不管用Python pandas还是SQL都能轻松搞定：

Python Pandas 实现 #

方案1：集合去重判断符号一致性 #

这种方式直观易懂，适合快速验证需求：

import pandas as pd
import numpy as np

# 构造示例数据集
df = pd.DataFrame({
    'A': [0.0373, -0.0586, 0.0458, 0.0621, 0.0452],
    'B': [0.0373, -0.0407, 0.0458, 0.0621, 0.0452],
    'C': [0.0373, -0.1109, 0.0458, 0.0621, 0.0452]
})

# 生成筛选掩码：每行符号去重后长度≠1，说明符号不全相同
mask = df.apply(lambda row: len(set(np.sign(row))) != 1, axis=1)
# 获取结果
result_df = df[mask]

原理：np.sign()会将正数转为1、负数转为-1、0转为0；通过set()对每行符号去重，若去重后元素个数不等于1，就说明该行存在不同符号的列。

方案2：向量化操作（更高效，适合大数据集） #

避免使用apply()的循环逻辑，用向量化判断大幅提升效率：

# 向量化判断：先找出所有列符号完全一致的行，再取反得到目标行
mask = ~((np.sign(df['A']) == np.sign(df['B'])) & (np.sign(df['A']) == np.sign(df['C'])))
result_df = df[mask]

原理：先判断A与B同号且A与C同号的行（即三列符号完全一致），再通过~取反，直接得到符号不全相同的行，这种方式在处理十万级以上数据集时性能优势明显。

SQL 实现 #

如果数据存储在数据库中，也可以用类似逻辑快速筛选：

SELECT *
FROM your_table
WHERE SIGN(A) != SIGN(B) OR SIGN(A) != SIGN(C);

原理：只要A和B符号不同，或者A和C符号不同，就说明三列符号不全相同，符合筛选条件。

内容的提问来源于stack exchange，提问作者mf94