从以有序字典为行的系列创建熊猫数据框

Question

我正在尝试将lmfit 参数结果提取为数据框。我通过fit_func 和参数pars 传递1 列x，1 列data 和lmfit 中minimize 函数的输出输出为OrderedDict。

out = minimize(fit_func, pars, method = 'leastsq', args=(x, data))
res = out.params.valuesdict()
res

输出：

OrderedDict([('a1', 12.850309404600393),
             ('c1', 1346.833513206811),
             ('s1', 44.22337472274829),
             ('f1', 1.1275639898142586),
             ('a2', 77.15732669480884),
             ('c2', 1580.5712512351947),
             ('s2', 16.239969775527275),
             ('f2', 0.8684363668111492)])

我想要在 DataFrames 中使用 pd.DataFrame(res,index=[0]) 实现的输出：

我想快速适应 3 个数据列：

x = d.iloc[:,0]
fit_odict = pd.DataFrame(d.iloc[:,1:4].\
                         apply(lambda y: minimize(fit_func, pars, method = 'leastsq', args=(x, y))\
                        .params.valuesdict()),index=[1])

但我在数据框中得到了一系列有序字典：

如何将三个参数结果作为行来获得我想要的输出？有没有更好的方法来应用这个函数？

更新：

在我的解决方案中附加了@M Newville。对于想要从多个数据列d1.iloc[:,1:]快速提取lmfit参数结果的人可能会有所帮助：

def fff(cols):
    out = minimize(fit_func, pars, method = 'leastsq', args=(x, cols))
    return {key: par.value for key, par in out.params.items()}

results = d1.iloc[:,1:].apply(fff,result_type='expand').transpose()

输出：

Answer 1

这是您可以做的快速解决方法。该代码效率不高，但您可以对其进行优化。请注意，索引从 1 开始，但欢迎您使用 pandas 库重新索引

import pandas as pd

# Your output is a list of tuple
OrderedDict = [('a1', 12.850309404600393),('c1', 1346.833513206811),('s1', 
44.22337472274829),('f1', 1.1275639898142586),('a2', 77.15732669480884),('c2', 
1580.5712512351947),('s2', 16.239969775527275),('f2', 0.8684363668111492)]

# Create a dataframe from the list of tuple and tanspose
df = pd.DataFrame(OrderedDict).T
# Get the first row for the dataframe columns namea
columns = df.loc[0].values.tolist()
df.columns = columns
output = df.drop(df.index[0])
output

    a1      c1      s1      f1      a2      c2      s2      f2
1   12.8503 1346.83 44.2234 1.12756 77.1573 1580.57 16.24   0.868436

Answer 2

对于单一的合身，这可能就是您正在寻找的：

out = minimize(fit_func, pars, method = 'leastsq', args=(x, data))
fit_odict = pd.DataFrame({key: [par.value] for key, par in out.params.items()})

我想你可能正在寻找这样的东西：

results = {key: [] for key in pars}
for data in datasets:
    out = minimize(fit_func, pars, method='leastsq', args=(x, data))
    for par_name, val_list in results.items():
        val_list.append(out.params[par_name].value)
results = pd.DataFrame(results)

您可能会将所有内容都塞进一条长行中，但我不建议这样做——有人可能想阅读该代码；）。