python - DataFrame 中元素的成对计算

Question

我有一个结构类似于以下的数据框(但在实际情况下有更多的行和列)。

In [2]: Ex   # The example DataFrame
Out[2]: 
       NameBef  v1B  v2B   v3B   v4B    NameAft  v1A  v2A   v3A   v4A
Id                                                                   
422   firstBef  133  145   534   745   FirstAft  212  543  2342  4563
862  secondBef  234  434   345  3453  SecondAft  643  493  3433   234
935   thirdBef  232  343  6454   463   thirdAft  423  753   754   743

对于每一行，我想计算上面每个 vXB 和 vXA 值的商(X 是变量)，最终得到像这样的 DataFrame

          v1Q       v2Q       v3Q       v4Q
Id                                         
422  1.593985  3.744828  4.385768  6.124832
862  2.747863  1.135945  9.950725  0.067767
935  1.823276  2.195335  0.116827  1.604752

其中每个元素是原始数据帧的相应元素的商。

我一直不知道如何方便地做到这一点。

为了方便起见，如果不需要只提供“之前”和“之后”值的第一列和最后一列的名称，即“v1B”、“v4B”和“v1A”，那就太好了， “v4A”(即不是每一列)。

以下是我的想法。

In [3]: C=Ex.columns
In [4]: C1B=C.get_loc('v1B')
In [5]: C2B=C.get_loc('v4B')
In [6]: C1A=C.get_loc('v1A')
In [7]: C2A=C.get_loc('v4A')
In [8]: FB=Ex.ix[:,C1B:C2B+1]
In [9]: FA=Ex.ix[:,C1A:C2A+1]

In [10]: FB           # The FB and FA frames have this structure
Out[10]: 
     v1B  v2B   v3B   v4B
Id                       
422  133  145   534   745
862  234  434   345  3453
935  232  343  6454   463

[3 rows x 4 columns]

然后最终产生所需的DataFrame。这是通过对 DataFrame.values 生成的 numpy 数组进行计算来完成的。

这个方法是我从 question/answer 得到的:

In [12]: DataFrame((FA.values*1.0) / FB.values,columns=['v1Q','v2Q','v3Q','v4Q'],index=Ex.index)
Out[12]: 
          v1Q       v2Q       v3Q       v4Q
Id                                         
422  1.593985  3.744828  4.385768  6.124832
862  2.747863  1.135945  9.950725  0.067767
935  1.823276  2.195335  0.116827  1.604752

[3 rows x 4 columns]

我错过了什么吗？我希望通过对原始 DataFrame 进行一些操作，可以以更直接的方式实现这一目标。

是否没有任何操作可以直接在 DataFrame 上进行元素计算，而不是通过 numpy 数组？

Answer 1

您始终可以使用df.filter来选择相关的列名称。它可以接受正则表达式，因此您可以使用以下内容指定之后/之前的列:

>>> df.filter(regex=r'^v.A$').values / df.filter(regex=r'^v.B$').values
array([[ 1.59398496,  3.74482759,  4.38576779,  6.12483221],
       [ 2.74786325,  1.1359447 ,  9.95072464,  0.06776716],
       [ 1.82327586,  2.19533528,  0.11682677,  1.60475162]])

关于算术运算，你没有遗漏任何东西。这里有必要使用 Numpy 数组 (.values)，否则 Pandas 会根据两个 DataFrame 中的公共(public)索引标签计算值。如果索引缺失，则计算结果为 NaN。 Numpy 数组没有标记索引，因此按元素操作会成功。