更好的方法來轉發用計算填充DataFrame /數組？

我有一個數據框（或numpy的二維數組，如果你願意），像這樣：更好的方法來轉發用計算填充DataFrame /數組？

    0  1 2 3 4 5 6 7 8 9 
tstamp                     
2016-09-19 00:00:00 29.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN 
2016-09-19 00:01:00 29.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN 
2016-09-19 00:02:00 29.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN 
2016-09-19 00:03:00 29.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN 
2016-09-19 00:04:00 29.0 NaN NaN NaN NaN NaN NaN NaN NaN NaN

我需要填寫的所有NaN這一點：

for i in range(1, 10): 
    df.loc[:, i] = const + df.loc[:, i-1].multiply(const)

哪裏const是一些常數。現在，很明顯，想到的第一件事就是用切片：

df.loc[:, 1:] = const + df.loc[:, :-1].multiply(const)

但是請注意，下一列的值取決於前一列的計算值。有沒有辦法在循環之外做到這一點？

PS，雖然這是完全沒有必要的，但：

df.loc[row_slice, col_slice].values

將返回切片幀的numpy NDArray。

來源

2016-11-23 Kartik

設置

df = pd.DataFrame(
    np.ones((5, 10), dtype=int) * 29, 
    index=pd.date_range('2016-09-19', periods=5, freq='H'), 
    columns=range(10)) 

df

溶液

constant = 2 
p = np.power(constant, np.arange(1, df.values.shape[1])) 
df.iloc[:, 1:] = p * (1 + df.values[:, [0]]) + np.append(0, p[:-1].cumsum()) 

df

來源

2016-11-23 07:41:27 piRSquared

我知道你不會失望！這是一個很好的黑客功能。我在'numpy'中有3個實現，但我從來沒有想過使用'power' ... – Kartik

其實，因爲我問了我最簡單的模型，並且單獨看它，'power'是最自然的選擇。對於其他一些更復雜的問題，常數不是那麼簡單，它實際上是模型係數，可能不同。我會在明天再玩一次... – Kartik

我不能保證我有時間看它，但我總是歡迎挑戰。我會嘗試尋找另一種模式。 – piRSquared

更好的方法來轉發用計算填充DataFrame /數組？

回答

相關問題