Python 是否有方法将先前计算的行值与数据帧中不同列的总和一起使用？

我有以下数据帧：

                     A          B
2021-05-19 07:00:00  Nan        Nan
2021-05-19 07:30:00  0.00       Nan
2021-05-19 08:00:00  0.00       Nan
2021-05-19 08:30:00  0.00       Nan
2021-05-19 09:00:00  19.91      Nan
2021-05-19 09:30:00  0.11       Nan
2021-05-19 10:00:00  0.00       Nan
2021-05-19 10:30:00  22.99      Nan
2021-05-19 11:00:00  0.00       Nan

要求：

                     A          B
2021-05-19 07:00:00  Nan        0.00
2021-05-19 07:30:00  0.00       0.00
2021-05-19 08:00:00  0.00       0.00
2021-05-19 08:30:00  0.00       0.00
2021-05-19 09:00:00  19.91      3.32
2021-05-19 09:30:00  0.11       2.78
2021-05-19 10:00:00  0.00       2.32
2021-05-19 10:30:00  22.99      5.76
2021-05-19 11:00:00  0.00       4.80

B列的计算：

B1 = A1
B2 = ((B1*5)+A2)/6
B3 = ((B2*5)+A3)/6
B4 = ((B3*5)+A4)/6
etc.

---

我已经尝试用Python使用shift函数进行计算，但这不起作用，如果有人能帮我找到正确的方向，那就太好了。

如果你想表达这个函数

B[i] = (A[i-1] * 5 + A[i])/6

B[i] = (B[i-1] * 5 + A[i])/6

你的轮班安排是对的

B=（（A.shift（1）*5）+A）/6
B.iat[0]=A.iat[0]

但是，如果要表示递归函数

B[i] = (A[i-1] * 5 + A[i])/6

B[i] = (B[i-1] * 5 + A[i])/6

---

然后，正如另一个答案所指出的那样，您不能使用矢量化的pandas操作，只能使用普通的Python代码进行计算。

您可以在数据帧中循环并设置列

B

，因为

B

的每个值都取决于它自己以前的值

for i, date in enumerate(df.index):
    if i==0:
        df.at[date, "B"] = 0
    else:
        df.at[date, "B"] = (df["B"].iat[i-1]*5+df.at[date, "A"])/6
df
>>
                         A         B
2021-05-19 07:00:00   0.00  0.000000
2021-05-19 07:30:00   0.00  0.000000
2021-05-19 08:00:00   0.00  0.000000
2021-05-19 08:30:00   0.00  0.000000
2021-05-19 09:00:00  19.91  3.318333
2021-05-19 09:30:00   0.11  2.783611
2021-05-19 10:00:00   0.00  2.319676
2021-05-19 10:30:00  22.99  5.764730
2021-05-19 11:00:00   0.00  4.803942

---

通过一些数学运算，我们可以将此递归公式转化为几何级数，如：

df["B"] = (df.A
             .fillna(0)
             .expanding()
             .apply(lambda s: (1/6)*(s * ((5/6) ** np.arange(len(s))[::-1])).sum() + (5/6)**s.size*s.iloc[0]))

这相当于

N := window.size

B_j = (5/6)^(N-1) A_1 + (1/6) \sum_{j=2}^{N} (5/6)^(N-j) A_j

其中，窗口是并对应于代码中的

s

。然而，在代码中，我们将

A_1

与其他代码相加，从而取

1/6

；因此，我们将剩余的

5/6

添加到它前面，因此在它前面添加

（5/6）^N

（而不是

N-1

）；产量相当。我们还将

A

中的

NaN

s设置为0，以防止它们传播

得到

                         A         B
2021-05-19 07:00:00    NaN  0.000000
2021-05-19 07:30:00   0.00  0.000000
2021-05-19 08:00:00   0.00  0.000000
2021-05-19 08:30:00   0.00  0.000000
2021-05-19 09:00:00  19.91  3.318333
2021-05-19 09:30:00   0.11  2.783611
2021-05-19 10:00:00   0.00  2.319676
2021-05-19 10:30:00  22.99  5.764730
2021-05-19 11:00:00   0.00  4.803942

---

我们可以定义一个函数

fast\u sum

来执行所需的计算，然后使用称为即时编译的技术，将此函数编译为机器代码，以便它能够以

C

类似的速度更高效地运行

import numba

@numba.jit(nopython=True)
def fast_sum(a):
    b = np.zeros_like(a)
    b[0] = a[0]
    for i in range(1, len(a)):
        b[i] = (b[i - 1] * 5 + a[i]) / 6 
    return b

df['B'] = fast_sum(df['A'].fillna(0).to_numpy())

---

对

90000行的样本数据帧进行性能测试

df = pd.concat([df] * 10000, ignore_index=True)

%%timeit
df['B'] = fast_sum(df['A'].fillna(0).to_numpy())
# 1.62 ms ± 93.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

移位是否应该是A.shift（-1）

。B2是B1和A2的函数，而不是A1和A2。否，

shift（1）

将所有值向前移位。因此

A.shift（1）

的第一个元素是

nan

，第二个元素是

A[0]

，但是检查他写的计算，它看起来应该是向后移动的。这没有像预期的那样起作用，只是尝试了一下：

df[“B”]=（（df[“B”].shift（1）*5）+df[“A”）/6

。B2应该在计算中取上一个B1值。显然，循环需要时间，效率不高。是的，但列的每个值都取决于它自己的上一个值，因此我看不到实现

shift

的方法。请随意提供更有效的答案。这给了我以下错误：

文件“pandas\\ libs\index.pyx”，第96行，在pandas中。\ libs.index.IndexEngine.set\值文件“pandas\\ libs\index.pyx”，第107行，在pandas中。\ libs.index.IndexEngine.set\值文件“pandas\\ libs\index.pyx”，第595行，在pandas._libs.index.convert_scalar ValueError:无法将nan分配给整数系列

您可以检查

df.dtypes的输出吗

？或者在我的代码前面加上一行

df=df.astype（'float64'）

。即使我也找不到比循环更好的方法。无法使用shift和cumsum:/解决此问题。我觉得这没问题。你不能真正使用

shift

，因为下一个值取决于上一个值的计算等等。那么这就是问题的结束；）@AnuragDhadse你什么意思

：）

？@Tenzin接受这个答案，如果它有效的话，否则我们又花了宝贵生命的一个小时df[“B”]=（df.A.expansing（）.apply（lambda s:（s*（（5/6）**np arange（len（s））[：-1]）。sum（）/6+（5/6）**s.size*s.iloc[0]）给出：name错误：name'np不是defined@Tenzin对在你分享的问题的第一个版本中，没有

NaN

，但我知道它被添加了。要解决这个问题，您可以在

NaN

s中预先填入0:

df.A=df.A.fillna（0）

，然后填入上面的代码。