迭代数据帧列时如何使用具有交叉索引计算的 lambda 函数答案

【问题标题】：How to use lambda functions with cross-index computation when iterating dataframes columns迭代数据帧列时如何使用具有交叉索引计算的 lambda 函数
【发布时间】：2021-09-02 13:25:08
【问题描述】：

我有一个 pandas 数据框 df，其中一个列名为 val，我对其应用了交叉索引计算：

import pandas as pd
sensor_data = {'Sensor': ['A', 'B', 'C', 'D', 'E'], 'val': [20, 2 , 2, 19, 18]}
df = pd.DataFrame(sensor_data)

# Cross index computation:
cross_index_computation_result = []
for i in range(1, len(df['val'])):
    cross_index_computation_result.append(df['val'][i-1] * df['val'][i])
print(cross_index_computation_result)
>> [40, 4, 38, 342]

尤其是对于Map、Filter 和Reduce 等lambda 函数，它们比使用带有索引访问的简单for 循环要快得多，有没有更有效的方法来对数据框列交互执行跨索引计算？

我知道这是错误的语法，但类似于： cross_index_computation_result = list(map(lambda x: x[i-1] * x[i], df['val']))

【问题讨论】：

标签： python pandas dataframe lambda

【解决方案1】：

您可以在 Numpy 中计算值（可能有更有效的方法来执行此操作）：-> 在下面的代码中，数据被重新整形，然后使用各种 Numpy 函数来计算产品

reshaped = np.reshape(df.val.to_numpy(), (2,2))

reshaped[0].prod(), np.diag(reshaped[::-1]).prod(), reshaped[1].prod()
(40, 38, 342)

【讨论】：

【解决方案2】：

在 python3 上试试这个：

sensor_data = {'Sensor': ['A', 'B', 'C', 'D', 'A', 'B', 'C', 'D'], 'val': [20, 2 , 19, 18, 20, 2, 19, 18]}
df = pd.DataFrame(sensor_data)

def map_fn(data):
    idx, el = data
    return df['val'][idx] * el

print(list(map(map_fn, list(enumerate(df['val'][1:])))))
# [40, 38, 342, 360, 40, 38, 342]

在 python2 中，您可以使用lambda，如下所示：

print list(map(lambda (i, el): df['val'][i] * el, enumerate(df['val'][1:])))

【讨论】：

这仅适用于sonsor_data['val'] 不包含重复项，因为.tolist(x) 将始终返回第一个索引。
@raphael，我明白了，你是对的。我编辑答案。这是你的答案吗？

【解决方案3】：

shift 呢？

print((df['val'] * df['val'].shift(-1)).dropna().astype(int).to_list())

[40, 4, 38, 342]

【讨论】：