根据行索引值和列名创建数据框？

Question

根据行索引值和列名创建 pandas 数据框的最佳方法是什么？

所以对于 X 中的索引，Y 中的列的 DataFrame，每个值将是一些 f(x,y)，其中 X 中的 x 和 Y 中的 y（例如，可以是索引和列名的连接）

我知道我可以编写一个循环来执行此操作，但认为 pandas 中有更快的方法吗？

谢谢！

Answer 1

您可以使用列表推导将值准备为列表列表，然后将列表列表传递给pd.DataFrame：

import pandas as pd
rows = ['1','2','3']
cols = ['X','Y']

df = pd.DataFrame(([col+row for col in cols] for row in rows),
                  index=rows, columns=cols)

产量

    X   Y
1  X1  Y1
2  X2  Y2
3  X3  Y3

当然，您可以将col+row 替换为对任意函数f 的调用：

df = pd.DataFrame(([f(row, col) for col in cols] for row in rows),
                  index=rows, columns=cols)

如果rows 和/或cols 很大，则列表列表可能需要大量内存。为每个单元格调用一次f 可能需要一些时间。根据f，可能有一种更快/更少内存密集型的方法来创建df。 例如，要连接行标签和列标签，您可以使用np.char.add 和np.meshgrid：

import numpy as np
rows = ['1','2','3']
cols = ['X','Y']

df = pd.DataFrame(np.char.add(*np.meshgrid(cols, rows, sparse=True, indexing='xy')), 
                  index=rows, columns=cols)

产生相同的结果。

这将创建 NumPy 数组而不创建临时列表列表，从而节省内存。由于np.char.add 以向量化方式创建结果 NumPy 数组，因此如果 rows 和 cols 很大，则获得结果的速度比为每个单元格计算 col+row（在 Python 中）要快。