在Pandas数据帧上进行计算时，仅矢量化函数中的某些参数

Question

我编写了一个函数，该函数旨在基于其他两个列来计算新的数据框列，作为来自另一个数据框的几个数据点。我想将此功能以向量化的方式应用于主数据帧，以便以这种方式计算2列输入。同时，我希望第三个参数是用于单独插值计算（即未向量化）的常量数据帧。如何做到这一点？

主要功能（例如）：

def calc_fitted_values(L, option, df_ref):
    '''
    This calculates an outputval for each combination of L and option, based
    on intermediate calculations involving fitted values from df_ref.
    - L is some column in my main dataframe
    - option is a second column in the main dataframe
    - df_ref is a separate data frame used in the pre-calculations here
    '''
    df_ref_option = df_ref[df_ref['option']==option]  # take slice of df_ref based on option
    x = df_ref_option['x'].values                         # get data columns to be used for polyfit
    y = df_ref_option['y'].values
    C = np.polyfit(np.log(x), np.log(y), 1);   # use polyfit to get log fit of the reference data
    a = np.exp(C[1]);
    b = C[0];  
    outputval = a*(L**b)
    return outputval

希望通过功能使用：

df['outputval']] = calc_fitted_values(df['L'], df['option'], df_ref)

在此示例中，L和option是从我的主数据帧列（df）中获得的数组值，但是df_ref在形状方面是不相关的和大小。

如何最好地为这种情况编写函数？

谢谢。

编辑：我当前的“解决方案”是使用lambda ...

f = lambda L, option : calc_fitted_values(L, option, df_ref)
df['outputval'] = np.vectorize(f)(df['L'].values, df['option'].values)

但这似乎很慢。可能是由于每次使用df_ref进行的计算，所以拥有一个返回lambda定义的函数的函数会更好吗？不确定最好的方法。

Answer 1

您可以使用partial

from functools import partial

func = partial(calc_fitted_values, df_ref=df_ref)

df['outputval'] = np.vectorize(func)(df['L'], df['option'])

我希望这会有所帮助