python - 进行 Pandas 操作和跳过行的有效方法

Question

一定有一种简单的方法可以做到这一点，但我错过了。首先，想象一下Excel中的情况:

1. 我有一列百分比变化。 (假设 A 列)
2. 在下一列 (B) 中，我想根据百分比变化创建一个从 1000 开始的索引系列。在 Excel 中，我这样做。-将 B1 设置为 1000- 将 B2 设置为公式 =(1+A2)*B1- 向下复制该列。简单。

现在，我想对 pandas 做同样的事情，问题是以下代码导致目标数组变为 NaN:

import pandas as pd
import numpy as np

df_source = pd.DataFrame(np.random.normal(0,.05,10), index=range(10), columns=['A'])

df_target = pd.DataFrame(index = df_source.index) 
df_target.loc[0,"A"] = 1000 # initialize target array to start at 1000

df_target["A"] = (1 + df_source) * df_target["A"].shift(1) # How to skip first row?

目标数组变为 NaN，因为第一行试图引用“脱离数据帧”的值，因此整列返回 NaN。

我意识到我可以用循环遍历行，跳过第一行，但这非常慢，而且对于我将要进行的数据集或迭代的大小来说不切实际。

必须有一种方法可以使用 pandas/numpy 数组函数，但告诉它跳过计算中的第一行。怎么做？我已经尝试过 bool 索引但无法让它工作，也许有一种方法可以告诉 Pandas 跳过 NaN 结果......但最好的方法似乎是一个限定符，它说“应用此代码，从第二排。”

我在这里错过了什么？

编辑:

看来我的问题比我意识到的要深。 jezrael 下面的回答解决了 NA 问题，但我想我对 pandas 逻辑感到困惑。我上面给出的代码不起作用，因为它在元素方面不起作用。例如，简单的例子:

seriesdf = pd.DataFrame(index = range(10))
seriesdf['A'] = 1
seriesdf['A'].ix[1:] = 1 + seriesdf['A'].shift(1)

给出结果

   A
0  1
1  2
2  2
3  2
4  2
5  2
6  2
7  2
8  2
9  2

不是我假设的升序计数。所以问题是在 pandas 数据帧上逐行计算的最有效方法是什么？速度在此应用程序中很重要，因此我宁愿不通过行进行交互。

这里是新来的 python 程序员，所以想弄清楚这个问题。非常感谢向我展示如何自己学习/弄清楚这样的东西的答案。谢谢!

Answer 1

IIUC 你可以跳过 df_source 的 A 列的第一行，方法是选择所有行而不先通过 ix :

df_target["A"].ix[1:] = df_source['A'].ix[1:] + 1
print df_target
             A
0  1000.000000
1     0.988898
2     0.986142
3     1.009979
4     1.005165
5     1.101116
6     0.992312
7     0.962890
8     1.051340
9     1.009750

或者你可能认为:

import pandas as pd
import numpy as np

df_source = pd.DataFrame(np.random.normal(0,.05,10), index=range(10), columns=['A'])
print df_source
          A
0  0.039965
1  0.060821
2 -0.079238
3 -0.129932
4  0.002196
5 -0.003721
6 -0.008358
7  0.014104
8 -0.022905
9  0.014793

df_target = pd.DataFrame(index = df_source.index) 
#all A set to 1000
df_target["A"] = 1000 # initialize target array to start at 1000
print df_target
      A
0  1000
1  1000
2  1000
3  1000
4  1000
5  1000
6  1000
7  1000
8  1000
9  1000

df_target["A"] = (1 + df_source["A"].shift(-1))* df_target["A"]
print df_target
             A
0  1060.820882
1   920.761946
2   870.067878
3  1002.195555
4   996.279287
5   991.641909
6  1014.104402
7   977.094961
8  1014.793488
9          NaN

编辑:

也许你需要cumsum :

df_target["B"]  = 2
df_target["C"] = df_target["B"].cumsum()

df_target["D"] = df_target["B"] + df_target.index
print df_target
             A  B   C   D
0  1041.003000  2   2   2
1  1013.817000  2   4   3
2   948.853000  2   6   4
3  1031.692000  2   8   5
4   970.875000  2  10   6
5  1011.095000  2  12   7
6  1053.472000  2  14   8
7   903.765000  2  16   9
8  1010.546000  2  18  10
9     0.010546  2  20  11