Python 当前面的值很重要时，如何使用“apply（）”或其他矢量化方法
假设我有一个如下形式的数据帧，其中第一列是一个随机数，其他列将基于前一列中的值 为了便于使用，假设我希望每个数字都是前一个数字的平方。所以它看起来像下图 我知道我可以编写一个非常简单的循环来实现这一点，但我也知道循环在python/pandas中通常不是最有效的。如何使用Python 当前面的值很重要时，如何使用“apply（）”或其他矢量化方法,python,python-3.x,pandas,Python,Python 3.x,Pandas,假设我有一个如下形式的数据帧，其中第一列是一个随机数，其他列将基于前一列中的值 为了便于使用，假设我希望每个数字都是前一个数字的平方。所以它看起来像下图 我知道我可以编写一个非常简单的循环来实现这一点，但我也知道循环在python/pandas中通常不是最有效的。如何使用apply（）或rolling\u apply（）？或者，以其他方式可以更有效地完成 我的（失败）尝试如下： In [12]: a = pandas.DataFrame({0:[1,2,3,4,5],1:0,2:0,3:0}
apply（）rolling\u apply（）In [12]: a = pandas.DataFrame({0:[1,2,3,4,5],1:0,2:0,3:0})
In [13]: a
Out[13]:
0 1 2 3
0 1 0 0 0
1 2 0 0 0
2 3 0 0 0
3 4 0 0 0
4 5 0 0 0
In [14]: a = a.apply(lambda x: x**2)
In [15]: a
Out[15]:
0 1 2 3
0 1 0 0 0
1 4 0 0 0
2 9 0 0 0
3 16 0 0 0
4 25 0 0 0
In [16]: a = pandas.DataFrame({0:[1,2,3,4,5],1:0,2:0,3:0})
In [17]: pandas.rolling_apply(a,1,lambda x: x**2)
C:\WinPython64bit\python-3.5.2.amd64\lib\site-packages\spyderlib\widgets\externalshell\start_ipython_kernel.py:1: FutureWarning: pd.rolling_apply is deprecated for DataFrame and will be removed in a future version, replace with
DataFrame.rolling(center=False,window=1).apply(args=<tuple>,kwargs=<dict>,func=<function>)
# -*- coding: utf-8 -*-
Out[17]:
0 1 2 3
0 1.0 0.0 0.0 0.0
1 4.0 0.0 0.0 0.0
2 9.0 0.0 0.0 0.0
3 16.0 0.0 0.0 0.0
4 25.0 0.0 0.0 0.0
In [18]: a = pandas.DataFrame({0:[1,2,3,4,5],1:0,2:0,3:0})
In [19]: a = a[:-1]**2
In [20]: a
Out[20]:
0 1 2 3
0 1 0 0 0
1 4 0 0 0
2 9 0 0 0
3 16 0 0 0
In [21]:
a=pandas.DataFrame（{0:[1,2,3,4,5]，1:0,2:0,3:0}）
在[13]中：a
出[13]：
0 1 2 3
0 1 0 0 0
1 2 0 0 0
2 3 0 0 0
3 4 0 0 0
4 5 0 0 0
在[14]中：a=a.apply（λx:x**2）
在[15]中：a
出[15]：
0 1 2 3
0 1 0 0 0
1 4 0 0 0
2 9 0 0 0
3 16 0 0 0
4 25 0 0 0
[16]中：a=pandas.DataFrame（{0:[1,2,3,4,5]，1:0,2:0,3:0}）
在[17]中：熊猫。滚动应用（a，1，λx:x**2）
C:\WinPython64bit\python-3.5.2.amd64\lib\site packages\spyderlib\widgets\externalshell\start\u ipython\u kernel.py:1:FutureWarning:pd.rolling\u apply不推荐用于DataFrame，并将在将来的版本中删除，替换为
DataFrame.rolling（center=False，window=1）.apply（args=，kwargs=，func=）
#-*-编码：utf-8-*-
出[17]：
0 1 2 3
0 1.0 0.0 0.0 0.0
1 4.0 0.0 0.0 0.0
2 9.0 0.0 0.0 0.0
3 16.0 0.0 0.0 0.0
4 25.0 0.0 0.0 0.0
[18]中：a=pandas.DataFrame（{0:[1,2,3,4,5]，1:0,2:0,3:0}）
在[19]中：a=a[：-1]**2
在[20]中：a
出[20]：
0 1 2 3
0 1 0 0 0
1 4 0 0 0
2 9 0 0 0
3 16 0 0 0
在[21]中：
a[1] = a[0].apply(lambda x: x**2)
a[2] = a[1].apply(lambda x: x**2)
a[3] = a[2].apply(lambda x: x**2)
0 1 2 3
0 1 1 1 1
1 2 4 16 256
2 3 9 81 6561
3 4 16 256 65536
4 5 25 625 390625
不幸的是，据我所知，没有一种没有循环的方法。但是，您不必遍历每个值，只需遍历每个列。您只需在上一列上调用apply，然后将下一列设置为返回值：
a = pd.DataFrame({0:[1,2,3,4,5],1:0,2:0,3:0})
for i in range(3):
a[i+1] = a[i].apply(lambda x: x**2)
你所描述的是一个递归关系，我认为目前没有任何非循环的方法可以做到这一点。像
applyrolling\u apply在实际操作中，例如，您只需要填写三列，因此执行三次循环（如其他一些答案所示）可能不会对性能造成重大影响。在这种特殊情况下，我们知道关于列的这一点
将成为01
将是列1
中的任何一个，与02
将是列2
中的所有内容，其作用是1
。。。2- 或者将是列
中的任何内容，以04
- 或者将是列
将是3
列中的所有内容，其作用是2
。。。2- 或者将是列
中的任何内容，达到14 - 或者将是列
中的任何内容，以08
- 或者将是列
np.power(df.values[:, [0]], np.power(2, np.arange(4)))
array([[ 1, 1, 1, 1],
[ 2, 4, 16, 256],
[ 3, 9, 81, 6561],
[ 4, 16, 256, 65536],
[ 5, 25, 625, 390625]])
pd.DataFrame(
np.power(df.values[:, [0]], np.power(2, np.arange(4))),
df.index, df.columns)
0 1 2 3
0 1 1 1 1
1 2 4 16 256
2 3 9 81 6561
3 4 16 256 65536
4 5 25 625 390625
a[1]=a[0]。应用（lambda x:x**2），非常感谢您的回复。我的实际数据帧要大得多，并且包含一些逻辑。这只是一个简单的例子，从效率的角度来学习如何最好地实现这一点。这些链接很有帮助。我真的很喜欢这种方法，这当然回答了我的问题。然而，我接受了另一个答案，因为我的问题是广义的。“我应该想到有一种更专业的方法来解决我的具体问题。”凯尔说了几点。第一：知道你可以接受另一个答案，如果你发现它比当前接受的答案更合适的话。事实上，这是受到鼓励的。我的回答中有不少没有被接受，我对此没有意见。第二：有时更难的问题需要更多的时间来回答。如果你想要一个有挑战性的问题的高质量答案，请耐心等待。没有必要急于接受答案。你也可以直截了当地回答那些已经回答了你正在等待的问题的人。第三：我不太关心15个代表分数，更关心什么是对的。@Kyle说了这么多。我完全同意凯尔的回答。其他人会根据自己的意愿投赞成票或反对票。：-）我喜欢这个。又好又简单。我上一次尝试使用完整循环（以及使用附加逻辑的完整数据源，并应用scipy.fv（））花费了2分钟，这种方法花费了不到一秒钟的时间。我觉得自己很愚蠢：）。