python - 创建一个数据框作为行索引值和列名称的函数？

Question

根据行索引值和列名称创建 pandas 数据框的最佳方法是什么？

因此，对于索引在 X 中、列在 Y 中的 DataFrame，每个值都将是某个 f(x,y)，其中 x 在 X 中，y 在 Y 中(例如可以是索引和列名称的串联)

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

谢谢!

Answer 1

您可以使用列表理解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)

如果行和/或列很大，那么列表的列表可能需要大量内存。对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/更少内存占用的方法来创建 df。例如，要连接行和列标签，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。

这会创建 NumPy 数组，而无需创建临时列表列表，从而节省内存。由于np.char.add以向量化方式创建结果NumPy数组，如果rows和cols很大，则获得结果的速度比计算每个单元格的 col+row(在 Python 中)。