0

所以，我有一个年份索引的数据框，我想在年底（2013 年）之后增加一些逻辑，比如说，在 10 年内将最后一个值增加 n%，但逻辑也可能只是添加一个常量，或略有增长的数字。我将把它留给一个函数，并在那里填充逻辑。

我想不出一种简洁的矢量化方式来使用任意长度的时间和逻辑来做到这一点，留下更长的数据帧并添加额外的增量，并且不希望循环它。

4

1 回答 1

3

具体计算很重要。通常，您必须在循环中计算值。一些 NumPy ufunc（例如np.add, np.multiply, np.minimum, np.maximum）有一个accumulate方法，但是，根据计算，它可能很有用。

例如，要计算给定恒定增长率的值，您可以使用np.multiply.accumulate(或cumprod)：

import numpy as np
import pandas as pd
N = 10
index = pd.date_range(end='2013-12-31', periods=N, freq='D')
df = pd.DataFrame({'val':np.arange(N)}, index=index)
last = df['val'][-1]
#             val
# 2013-12-22    0
# 2013-12-23    1
# 2013-12-24    2
# 2013-12-25    3
# 2013-12-26    4
# 2013-12-27    5
# 2013-12-28    6
# 2013-12-29    7
# 2013-12-30    8
# 2013-12-31    9

# expand df
index = pd.date_range(start='2014-1-1', periods=N, freq='D')
df = df.reindex(df.index.union(index))

# compute new values
rate = 1.1
df['val'][-N:] = last*np.multiply.accumulate(np.full(N, fill_value=rate))

产量

                  val
2013-12-22   0.000000
2013-12-23   1.000000
2013-12-24   2.000000
2013-12-25   3.000000
2013-12-26   4.000000
2013-12-27   5.000000
2013-12-28   6.000000
2013-12-29   7.000000
2013-12-30   8.000000
2013-12-31   9.000000
2014-01-01   9.900000
2014-01-02  10.890000
2014-01-03  11.979000
2014-01-04  13.176900
2014-01-05  14.494590
2014-01-06  15.944049
2014-01-07  17.538454
2014-01-08  19.292299
2014-01-09  21.221529
2014-01-10  23.343682

要增加一个常数值，您可以简单地使用np.arange：

step=2
df['val'][-N:] = np.arange(last+step, last+(N+1)*step, step)

或cumsum：

step=2
df['val'][-N:] = last + np.full(N, fill_value=step).cumsum()

一些线性递归关系可以使用scipy.signal.lfilter来表达。例如， 尝试使用 Pandas 中的 numpy和递归定义对迭代计算进行矢量化

于 2015-08-13T22:26:47.760 回答