我正在将财务电子表格转换为 Pandas,这是一个经常出现的挑战。
在 Excel 中,假设您有一些计算,对于列 0:n,值取决于前一列 [以单元格(行,列)格式显示]:单元格(1,n)=(单元格(1,n -1)^2)*5.
显然,对于 n=2,您可以在 Pandas 中创建一个计算列:
df[2] = (df[1]^2) *5
但是对于 30 条链来说,这是行不通的。所以目前,我正在使用 for 循环。
total_columns_needed = list(range(0,100))
for i in total_columns_needed:
df[i] = (df[i-1]^2)* 5
该循环工作正常,但我试图了解如何使用 map 和 apply 使它看起来更清晰。从阅读中可以看出,apply 是一个循环函数,所以我不确定这样做是否会加快速度。但是,它可以大大缩减代码。
我遇到的问题:
df.apply()
是 1) 可能有其他列未参与计算(如果数据被正确规范化,可以说不应该存在),以及 2) 这些列尚不存在。第 2 部分可以通过创建包含所有需要的列的数据框来解决,但出于其他原因,我试图避免这种情况。
非常感谢任何帮助解决这个问题的人!
请您参考如下方法:
自动生成一堆列,无需循环:
In [433]:
df = pd.DataFrame({'Val': [0,1,2,3,4]})
In [434]:
print df.Val.apply(lambda x: pd.Series(x+np.arange(0,25,5)))
0 1 2 3 4
0 0 5 10 15 20
1 1 6 11 16 21
2 2 7 12 17 22
3 3 8 13 18 23
4 4 9 14 19 24
numpy.arange(0,25,5) 为您提供 array([ 0, 5, 10, 15, 20])。对于 Val 中的每个值,我们将该值添加到 array([ 0, 5, 10, 15, 20]),创建一个新的 Series 。
最后,将新的 Series 组合回一个新的 DataFrame
