python-3.x - 无法转换为使用 DataFrame 和 math.exp 时给出的 Float 错误错误

Question

我试图让更大的代码片段的一部分工作，因此已经提取了问题元素并创建了一个用于测试的迷你代码。

import math
import csv
import pandas as pd
from pandas import DataFrame
print(df)    

data= pd.read_csv('miniDF.csv')
df=pd.DataFrame(data, columns=['x'])
df['y']=(12.775*math.exp(-1.494*df['x']))

print(df)

df 中的 x 列是 0.01,0.1,0.5,1.5,2.9 只是模仿我真实 DataFrame 的简单浮点值。如果我在代码中给等式一个单一的“x”值，数学可以正常工作，但是从 DataFrame 中提取 x 值时它不起作用。
我得到的 shell 输出和错误是:

     X
  0  0.01
  1  0.05
  2  0.10
  3  0.15
  4  1.00
  5  2.90
  Traceback (most recent call last):
  File "/Users/willhutchins/Desktop/minitest.py", line 11, in <module>
  df['y']=(12.775*math.exp(-1.494*df['X']))
  File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/pandas/core/series.py", line 131, in wrapper
raise TypeError("cannot convert the series to " "{0}".format(str(converter)))
TypeError: cannot convert the series to <class 'float'>

最终，我想像这样使用它:

df['SBTn']=np.where(df['Fr']<=(12.775*math.exp(-1.494*(df['Fr']))),1,df['SBTn'])

假设可以回答第一个问题，是否有人预见到在 np.where 版本中使用它会出现任何问题？

Answer 1

使用 np.exp 处理数组的方法，math.exp使用标量:

import numpy as np

df['y']=(12.775*np.exp(-1.494*df['x']))
print (df)
      x          y
0  0.01  12.585560
1  0.05  11.855479
2  0.10  11.002144
3  0.15  10.210230
4  1.00   2.867642
5  2.90   0.167779

您可以在 apply 中循环为 math.exp ，但它更慢:

df['y']=(12.775*df['x'].apply(lambda x: math.exp(-1.494*x)))
print (df)
      x          y
0  0.01  12.585560
1  0.05  11.855479
2  0.10  11.002144
3  0.15  10.210230
4  1.00   2.867642
5  2.90   0.167779

#6k rows
df = pd.concat([df] * 1000, ignore_index=True)

In [14]: %timeit df['y1']=(12.775*np.exp(-1.494*df['x']))
658 µs ± 19.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [15]: %timeit df['y2']=(12.775*df['x'].apply(lambda x: math.exp(-1.494*x)))
3.2 ms ± 133 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)