使用 pandas 数据框的高效嵌套循环

【问题标题】：Efficient nested looping with pandas dataframe使用 pandas 数据框的高效嵌套循环
【发布时间】：2017-08-22 18:51:21
【问题描述】：

我有一个像这样的简单熊猫数据框：

d = {'col1': ['a','b','c','d','e'], 'col2': [1,2,3,4,5]}
df = pd.DataFrame(d)
df
  col1  col2
0    a     1
1    b     2
2    c     3
3    d     4
4    e     5

我需要对其进行迭代，并为所有行值组合获得一个简单的算术结果（如乘积左右）。我正在考虑制作一个矩阵并将值放入，如下所示：

size = df.shape[0]
mtx = np.zeros(shape=(size, size))
mtx
array([[ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.]])

但我以某种方式“感觉到”有比嵌套循环更有效的方法，如下所示：

for index1, c11, c12, in df.itertuples():
    for index2, c21, c22 in df.itertuples():
        mtx[index1][index2] = float(c12) * float(c22)

mtx
array([[  1.,   2.,   3.,   4.,   5.],
       [  2.,   4.,   6.,   8.,  10.],
       [  3.,   6.,   9.,  12.,  15.],
       [  4.,   8.,  12.,  16.,  20.],
       [  5.,  10.,  15.,  20.,  25.]])

任何想法将不胜感激！谢谢！

【问题讨论】：

标签： python pandas numpy iteration

【解决方案1】：

对于*,+,-,/ 之类的操作，您可以执行以下操作：（此示例适用于*，但如果您需要+,- 或/，您可以更改最后一行的操作）

import numpy as np
import pandas as pd
d = {'col1': ['a','b','c','d','e'], 'col2': [1,2,3,4,5]}
df = pd.DataFrame(d)
a=np.array([df.col2.tolist()])
a.T*a

结果是：

array([[ 1,  2,  3,  4,  5],
   [ 2,  4,  6,  8, 10],
   [ 3,  6,  9, 12, 15],
   [ 4,  8, 12, 16, 20],
   [ 5, 10, 15, 20, 25]], dtype=int64)

将a.T*a 更改为a.T+a 以获得成对的总和，将a.T-a 更改为成对的差值。如果要成对除法，可以改成a.T/a，但记得在操作上面加上a=a.astype(float)这行。

【讨论】：