我有两个系列,每个系列都包含我想在函数中使用的变量。我想为每个变量组合应用函数,结果输出是计算值的 DataFrame,索引将是一个系列的索引,列将是另一个系列的索引。
我曾尝试寻找类似问题的答案 - 我确定有一个答案,但我不确定如何为搜索引擎描述它。
我已经通过使用 for 循环创建函数解决了这个问题,因此您可以理解其中的逻辑。我想知道是否有更有效的操作可以在不使用 for 循环的情况下执行此操作。
从我读到的内容来看,我正在想象列表理解与压缩列的某种组合来计算值,然后将其 reshape 为 DataFrame,但我无法通过这种方式解决。
这是重现问题的代码和当前的解决方案。
import pandas as pd
bands = pd.Series({'A': 5, 'B': 17, 'C': 9, 'D': 34}, name='band')
values = pd.Series({'Jan': 1, 'Feb': 1.02, 'Mar': 1.05, 'Apr': 1.12}, name='values')
# Here is an unused function as an example
myfunc = lambda x, y: x * (1 + 1/y)
def func1(values, bands):
# Initialise empty DataFrame
df = pd.DataFrame(index=bands.index,
columns=values.index)
for month, month_val in values.iteritems():
for band, band_val in bands.iteritems():
df.at[band, month] = band_val * (1/month_val - 1)
return df
outcome = func1(values, bands)
请您参考如下方法:
你可以使用 numpy.outer为此:
import numpy as np
import pandas as pd
bands = pd.Series({'A': 5, 'B': 17, 'C': 9, 'D': 34}, name='band')
values = pd.Series({'Jan': 1, 'Feb': 1.02, 'Mar': 1.05, 'Apr': 1.12}, name='values')
outcome = pd.DataFrame(np.outer(bands, ((1 / values) - 1)),
index=bands.index,
columns=values.index)
[输出]
Jan Feb Mar Apr
A 0.0 -0.098039 -0.238095 -0.535714
B 0.0 -0.333333 -0.809524 -1.821429
C 0.0 -0.176471 -0.428571 -0.964286
D 0.0 -0.666667 -1.619048 -3.642857
作为函数:
def myFunc(ser1, ser2):
result = pd.DataFrame(np.outer(ser1, ((1 / ser2) - 1)),
index=ser1.index,
columns=ser2.index)
return result
myFunc(bands, values)
