Python 如何在lambda函数中使用timeseries索引

我需要在lambda函数中使用timeseries的索引位置。lambda函数需要在转换中使用索引的位置。与此问题中提出的问题类似：但使用DateTime作为索引的pandas数据帧

我想从lambda函数中得到的方程是：

时间序列x索引中的值位置（1/时间序列长度）+值

此函数的作用是向时间序列添加线性趋势。我期望的输出在时间序列结束时相对于第一个时间步增加+1

到目前为止，我的想法是结合使用枚举和get_loc函数，如下所示：

dates = pd.date_range(start='2018-10-01', end='2019-09-30', freq='D')
df = pd.DataFrame(np.random.randint(0,100,size=(365, 4)), columns=list('ABCD'), index=dates)

a = df['A']
test = map(lambda (idx, val): df.index.get_loc(idx) * (1/len(df.index)) + val, enumerate(a))

我收到以下错误消息：

File "<ipython-input-6-8fb927ed0ecd>", line 8
test = map(lambda (idx, val): df.index.get_loc(idx) * (1/len(df.index)) + val, enumerate(a))
                  ^
SyntaxError: invalid syntax

文件“”，第8行
test=map（lambda（idx，val）：df.index.get_loc（idx）*（1/len（df.index））+val，枚举（a））
^
SyntaxError:无效语法

IIUC您可以首先计算时间序列x索引中的值（1/时间序列长度），然后将值添加到

df

中，如下所示

将熊猫作为pd导入
将numpy作为np导入
日期=pd.日期范围（开始时间=2018-10-01'，期间=365）
df=pd.DataFrame（np.random.randint（0100，size=（365,4）），
列=列表（'ABCD'），索引=日期）
#您不能在df中使用索引，因为它们是datetime
x=np.arange（len（df））*1/len（df）
#你需要这个技巧，因为广播不起作用
#在这种情况下
res=np.array（[x]*4）.T+df.values

嗨，AlexaB，你介意分享一个吗？我已经用我希望的mcve更新了！你能发布预期的输出吗？你想计算每一列的公式吗？嗨@AlexaB，我的答案有用吗？嗨rpanai。我在理解您的最后一行代码时遇到了一点问题（我是新手！）。在推动我使用numpy的意义上，它是有用的。最后，我使用了下面的代码，这与您的代码没有什么不同。a=df['a']a+（1*np.arange（1，a.shape[0]+1））/a.shape