Question

我有两个Series，每个Series包含要在函数中使用的变量。我想对每个变量组合应用该函数，结果输出是计算值的DataFrame，索引将是一个系列的索引，列将是另一个系列的索引。

我已经尝试寻找类似问题的答案-我确定有一个答案，但是我不确定如何为搜索引擎描述它。

我已经通过使用for循环创建函数解决了问题，因此您可以理解逻辑。我想知道是否有一种更有效的操作而不使用for循环。

从我的阅读中，我正在想象列表理解与压缩列的某种组合以计算值，然后将其重塑为DataFrame，但我无法以这种方式解决。

这里是重现问题和当前解决方案的代码。

import pandas as pd

bands = pd.Series({'A': 5, 'B': 17, 'C': 9, 'D': 34}, name='band')
values = pd.Series({'Jan': 1, 'Feb': 1.02, 'Mar': 1.05, 'Apr': 1.12}, name='values')

# Here is an unused function as an example
myfunc = lambda x, y: x * (1 + 1/y)

def func1(values, bands):
    # Initialise empty DataFrame
    df = pd.DataFrame(index=bands.index, 
                             columns=values.index)

    for month, month_val in values.iteritems():
        for band, band_val in bands.iteritems():
            df.at[band, month] = band_val * (1/month_val - 1)

    return df

outcome = func1(values, bands)

Answer 1

您可以为此使用numpy.outer：

import numpy as np
import pandas as pd

bands = pd.Series({'A': 5, 'B': 17, 'C': 9, 'D': 34}, name='band')
values = pd.Series({'Jan': 1, 'Feb': 1.02, 'Mar': 1.05, 'Apr': 1.12}, name='values')

outcome = pd.DataFrame(np.outer(bands, ((1 / values) - 1)),
                       index=bands.index,
                       columns=values.index)

[出]

   Jan       Feb       Mar       Apr
A  0.0 -0.098039 -0.238095 -0.535714
B  0.0 -0.333333 -0.809524 -1.821429
C  0.0 -0.176471 -0.428571 -0.964286
D  0.0 -0.666667 -1.619048 -3.642857

功能：

def myFunc(ser1, ser2):
    result = pd.DataFrame(np.outer(ser1, ((1 / ser2) - 1)),
                          index=ser1.index,
                          columns=ser2.index)
    return result

myFunc(bands, values)

如何应用使用两个Series作为输入且输出为每个参数组合的函数结果的DataFrame的函数？

1 个答案: