Python 计算；能源"；熊猫柱

我试图计算我的

熊猫的信号能量。我尝试了和
applymap
，也尝试了reduce，如下所示：。但我所做的只是对每个元素进行操作，而不是对整个列进行操作

这不是一个特定于信号处理的问题，它只是一个如何将“summary”（我不知道这个词的正确名称）函数应用于列的示例

我的解决方法是获取原始
numpy.array
数据并进行计算。但我很确定有一种潘多蒂式的方法可以做到这一点（当然还有一种更为自然的方法）

提前谢谢
 您可以对数据帧输出执行以下操作-

(df**2).sum(axis=0) # Or (df**2).sum(0)

为了提高性能，我们可以使用从数据帧中提取的数组-

(df.values**2).sum(axis=0) # Or (df.values**2).sum(0)

为了进一步提高性能，还有
np.einsum
-

a = df.values
out = np.einsum('ij,ij->j',a,a)

运行时测试-

In [31]: df = pd.DataFrame(np.random.randint(0,9,(1000,30)))

In [32]: %timeit (df**2).sum(0)
1000 loops, best of 3: 518 µs per loop

In [33]: %timeit (df.values**2).sum(0)
10000 loops, best of 3: 40.2 µs per loop

In [34]: def einsum_based(a):
    ...:     a = df.values
    ...:     return np.einsum('ij,ij->j',a,a)
    ...: 

In [35]: %timeit einsum_based(a)
10000 loops, best of 3: 32.2 µs per loop

有一个属性
df.var（）
，它返回列的方差。这是能量（取决于定义，您可能需要将其乘以元素数
df.var（）*df.shape[0]
）。
您可以使用：

真的，就这样？看起来很简单，我现在有点傻了：）谢谢
einsum
是给书呆子的，不是吗？但这仍然是一件很酷的事情。@ppasler是的，那些在最后形成俱乐部的，而不是音乐俱乐部；）意想不到的是，
numpy
比
pandas
快10倍多。可能是
C
实现吗？@ppasler不是pandas方面的专家，因此不能权威地对此发表评论，但与基于pandas的一些问题的dataframe数据相比，使用数组的工作性能更高，我可以使用NumPy方法使用底层数组数据来回答这些问题。谢谢，这与我的公式给出的结果相当相同。由于我想知道一般情况下如何实现这些功能，这只适用于我的特殊情况。
In [31]: df = pd.DataFrame(np.random.randint(0,9,(1000,30)))

In [32]: %timeit (df**2).sum(0)
1000 loops, best of 3: 518 µs per loop

In [33]: %timeit (df.values**2).sum(0)
10000 loops, best of 3: 40.2 µs per loop

In [34]: def einsum_based(a):
    ...:     a = df.values
    ...:     return np.einsum('ij,ij->j',a,a)
    ...: 

In [35]: %timeit einsum_based(a)
10000 loops, best of 3: 32.2 µs per loop

print (df.pow(2).sum())
0     40
1    285
2    285
dtype: int64

print (df.pow(2).sum().values.tolist())
[40, 285, 285]