Pandas DataFrame：將索引和列值作爲參數以cell-wise方式應用

Question

我正在嘗試爲熱圖或3D繪圖準備一些數據。總的想法是我有一些函數z = f（x，y），其中z是特定單元格的值，其中x爲列值，y爲索引值。

我目前的做法是遍歷其已經具備了所需的結果數據框：

import numpy as np 
import pandas as pd 


def my_fun(a, b): 
    return(a**2 + b**3) 

index = [i for i in np.arange(25.0, 100.0, 25.0)] 
columns = [i for i in np.arange(150.0, 600.0, 150.0)] 
df = pd.DataFrame(np.zeros((3, 3)), index=index, columns=columns) 

for idx in index: 
    for col in columns: 
    df.loc[idx, col] = my_fun(idx, col) 

print(df) 

和產量：

 150.0  300.0  450.0 
25.0 3375625.0 27000625.0 91125625.0 
50.0 3377500.0 27002500.0 91127500.0 
75.0 3380625.0 27005625.0 91130625.0 

但遍歷數據幀可能是不正確的（矢量）處理這個問題的方法，我正在尋找一些漂亮的組合apply/applymap/map。

有什麼辦法以更聰明/矢量化的方式獲得相同的結果？

提前致謝！

Answer 1

您可以使用：

#if need only some easy arithmetic operation like sum 
print (df.apply(lambda x: x.index + x.name, axis=1)) 
    1 2 3 
1 2 3 4 
2 3 4 5 
3 4 5 6 

如果需要使用標量的函數，可以使用stack for Series，轉換爲df，應用函數並返回unstack：

df1 = df.stack().to_frame().apply(lambda x: my_fun(x.name[0], x.name[1]), axis=1).unstack() 
print (df1) 
    1 2 3 
1 2 3 4 
2 3 4 5 
3 4 5 6 

對於測試是最好的，而不是lambda使用像一些自定義功能：

def f(x): 
    print (x.name) 
    print (x.index) 
    return x.index + x.name 
1 
Int64Index([1, 2, 3], dtype='int64') 
1 
Int64Index([1, 2, 3], dtype='int64') 
2 
Int64Index([1, 2, 3], dtype='int64') 
3 
Int64Index([1, 2, 3], dtype='int64') 

print (df.apply(f, axis=1)) 

    1 2 3 
1 2 3 4 
2 3 4 5 
3 4 5 6 

Answer 2

事實上，你可以簡單地利用了apply功能操作逐列明知列索引始終可用，因爲該列是pandas.Series：

import numpy as np 
import pandas as pd 


def my_fun(col): 
    # both are numpy arrays, col.values gives the inner value of the whole column 
    # operations here use the fast numpy primitives 
    return col.index + col.values 

index = [i for i in range(1, 4)] 
columns = ['col' + str(i) for i in range(1, 4)] 
df = pd.DataFrame(np.random.randint(1, 10, (3, 3)), index=index, columns=columns) 

col_names = ['col1', 'col2'] # alternatively you can use an array of columns indices such as [1, 2] 
df[col_names].apply(my_fun) 
print(df)