Python 用计算向前填充数据帧/数组的更好方法？

我有一个数据帧（或者numpy 2D数组，如果您愿意的话），如下所示：

我需要用以下内容填写所有

NaN

：

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

其中，

const

是一个常数。现在，显然首先想到的是使用切片：

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

但请注意，下一列的值取决于上一列的计算值。有没有办法在循环之外做到这一点

---

注：虽然这完全没有必要，但：

df.loc[row_slice, col_slice].values

将返回切片帧的

numpy-NDArray

。

设置

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

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

---

解决方案

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

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

---

我就知道你不会失望的！这是对

power

函数的一次极好的破解。我在

numpy

中还有3个实现，但我从未想过使用

power

。事实上，因为我问了我拥有的最简单的模型，孤立地看，

power

是最自然的选择。对于其他一些更复杂的模型，常数并不是那么简单，它实际上是模型系数，可以是不同的。明天我会再玩一次……我不能保证我会有时间看，但我总是欢迎挑战。我将尝试寻找其他模型。这些模型也可能使用多个列。实际上是阿里玛。。。因此，根据顺序，将使用比前一列更多的内容。最糟糕的是ARIMA（2,2，q），它需要4个前面的列，每个列都有自己的系数，还有一个可能的漂移项……哈！我有54个模型！好吧，如果你不考虑那些天真的。。。我今天一整天都在疯狂地进行反循环，我想我可以在这里收集更多的想法。因此，我发布了我拥有的最简单的模型，看看是否有其他方法，而不是我所考虑的。不是很有希望，但你确实证明我错了！