有没有一种体面的方法来计算数据框中的迭代值？答案

【问题标题】：Is there a decent way to compute iterative value in dataframe?有没有一种体面的方法来计算数据框中的迭代值？
【发布时间】：2020-04-28 03:01:54
【问题描述】：

我有两个数据框看起来像：

我的目标是使用 col2 中的数字填充 col1：

   col1      col2
0  1          2
1  2(=1x2)    3   
2  6(=2x3)    4
3  24(=6x4)   5
4  102(=24x5) 6

因此，col1 中的数字计算为上一行 col1 中的值与上一行 col2 中的值的乘积。

【问题讨论】：

这个问题很相似，应该让你朝着正确的方向前进：stackoverflow.com/questions/34855859/…
@Bubblethan 如果您可以将任何满意的答案标记为正确，那就太好了。如果您仍需要一些说明，请随时询问。

标签： python pandas

【解决方案1】：

如果性能很重要，我认为numba 是在这里使用循环的方式：

@jit(nopython=True)
def func(a, b):
    res = np.empty(a.shape)
    res[0] = b
    for i in range(1, a.shape[0]):
        res[i] = res[i-1] * a[i-1]
    return res

df2['col1'] = func(df2['col2'].values, df1.loc[0, 'col1'])

print (df2)
   col2   col1
0     2    1.0
1     3    2.0
2     4    6.0
3     5   24.0
4     6  120.0

【讨论】：

【解决方案2】：

您可以在这里使用移位和累积乘积，无需迭代，如下所示：

import pandas as pd

# Lets create artificial data
df_1 = pd.DataFrame() 
df_2 = pd.DataFrame() 

df_1['col_1'] = [1]
df_2['col_2'] = [2,3,4,5,6]

# Now lets add col_1 to df_2 
df_2['col_1'] = df_1['col_1']

# And fill all nans in the way you want
df_2['col_1'].fillna(df_2['col_2'].shift(1).cumprod(), inplace = True)

【讨论】：

【解决方案3】：

for i in range(1,len(df2)):
    df1.at[i,'col1'] = df1.col1[i-1] * df2.col2[i-1]

df1['col2'] = df2.col2

>>> df1
    col1  col2
0    1.0     2
1    2.0     3
2    6.0     4
3   24.0     5
4  120.0     6

【讨论】：