Python Dataframe—使用使用行值和列名的计算填充空列

我有一个数据帧df，它可以通过以下方式创建：

import pandas as pd
import datetime
#create the dates to make into columns
datestart=datetime.date(2018,1,1)
dateend=datetime.date(2018,1,5)
newcols=pd.date_range(datestart,dateend).date
#create the test data
d={'name':['a','b','c','d'],'earlydate': [datetime.date(2018,1,1),datetime.date(2018,1,3),datetime.date(2018,1,4),datetime.date(2018,1,5)]}
#create initial test dataframe
df=pd.DataFrame(data=d)
#create the new dataframe with empty newcols
df=pd.concat([df,pd.DataFrame(columns=newcols)])

dresultdata={'name':['a','b','c','d'],
         'earlydate': [datetime.date(2018,1,1),datetime.date(2018,1,3),datetime.date(2018,1,4),datetime.date(2018,1,5)],
         datetime.date(2018,1,1):[0,-2,-3,-4], #this is the difference in days between the column name and the earlydate
         datetime.date(2018,1,2):[-1,1,2,3],
         datetime.date(2018,1,3):[-2,0,1,2],
         datetime.date(2018,1,4):[-3,-1,0,1]}
dferesult=pd.DataFrame(data=dresultdata)

看起来是这样的：

df
Out[17]: 
  name   earlydate 2018-01-01    ...     2018-01-03 2018-01-04 2018-01-05
0    a  2018-01-01        NaN    ...            NaN        NaN        NaN
1    b  2018-01-03        NaN    ...            NaN        NaN        NaN
2    c  2018-01-04        NaN    ...            NaN        NaN        NaN
3    d  2018-01-05        NaN    ...            NaN        NaN        NaN

[4 rows x 7 columns]

dferesult
Out[19]: 
  name   earlydate  2018-01-01  2018-01-02  2018-01-03  2018-01-04
0    a  2018-01-01           0          -1          -2          -3
1    b  2018-01-03          -2           1           0          -1
2    c  2018-01-04          -3           2           1           0
3    d  2018-01-05          -4           3           2           1

我想做的是用newcol名称和earlydate（newcolname（这是一个日期）－earlydate（这是一个日期）之间的天数差来填充所有空的newcol。我希望以“明智”的方式执行此数据帧，而不是使用函数、lambda、apply或for循环。我相当确定这应该能够以数据帧的方式执行，而不是以列或行的方式

可以使用以下方法创建结果/预期结束df：

import pandas as pd
import datetime
#create the dates to make into columns
datestart=datetime.date(2018,1,1)
dateend=datetime.date(2018,1,5)
newcols=pd.date_range(datestart,dateend).date
#create the test data
d={'name':['a','b','c','d'],'earlydate': [datetime.date(2018,1,1),datetime.date(2018,1,3),datetime.date(2018,1,4),datetime.date(2018,1,5)]}
#create initial test dataframe
df=pd.DataFrame(data=d)
#create the new dataframe with empty newcols
df=pd.concat([df,pd.DataFrame(columns=newcols)])

dresultdata={'name':['a','b','c','d'],
         'earlydate': [datetime.date(2018,1,1),datetime.date(2018,1,3),datetime.date(2018,1,4),datetime.date(2018,1,5)],
         datetime.date(2018,1,1):[0,-2,-3,-4], #this is the difference in days between the column name and the earlydate
         datetime.date(2018,1,2):[-1,1,2,3],
         datetime.date(2018,1,3):[-2,0,1,2],
         datetime.date(2018,1,4):[-3,-1,0,1]}
dferesult=pd.DataFrame(data=dresultdata)

看起来是这样的：

df
Out[17]: 
  name   earlydate 2018-01-01    ...     2018-01-03 2018-01-04 2018-01-05
0    a  2018-01-01        NaN    ...            NaN        NaN        NaN
1    b  2018-01-03        NaN    ...            NaN        NaN        NaN
2    c  2018-01-04        NaN    ...            NaN        NaN        NaN
3    d  2018-01-05        NaN    ...            NaN        NaN        NaN

[4 rows x 7 columns]

dferesult
Out[19]: 
  name   earlydate  2018-01-01  2018-01-02  2018-01-03  2018-01-04
0    a  2018-01-01           0          -1          -2          -3
1    b  2018-01-03          -2           1           0          -1
2    c  2018-01-04          -3           2           1           0
3    d  2018-01-05          -4           3           2           1

我通过如下循环完成了这项工作：

for d in newcols:
    df.loc[:,d]=d-df.earlydate

但对于大型帧（1米行）来说，这需要永远的时间。欢迎您提出想法！

IIUC:

i = pd.to_datetime(df.earlydate.values).values
j = pd.to_datetime(df.columns[2:]).values

df.iloc[:, 2:] = (j - i[:, None]).astype('timedelta64[D]').astype(int)

df

    earlydate name 2018-01-01 2018-01-02 2018-01-03 2018-01-04 2018-01-05
0  2018-01-01    a          0          1          2          3          4
1  2018-01-03    b         -2         -1          0          1          2
2  2018-01-04    c         -3         -2         -1          0          1
3  2018-01-05    d         -4         -3         -2         -1          0

IIUC：

---

Numpy有一个名称

Numpy.newaxis

，用于将数组扩展到另一个维度。这个

np.newaxis

就是

None

，所以我可以用

None

来代替。它的作用是将

I

从一个具有形状的数组

（4，）

转换为形状

（4,1）

这使我能够进行减法运算并调用Numpy的广播。Numpy有一个名称

Numpy.newaxis

，用于将数组扩展到另一个维度。那

np.newaxis

就是

None

，所以我可以使用

None

来代替。它的作用是将

I

从一个具有形状

（4，）

来塑造

（4,1）

，这使我能够进行减法运算并调用Numpy的广播。