python 函数式 panda_python – 将函数应用于pandas中的列集,以列方式“循环”整个数据框...

这是一个测试示例,以显示我想要实现的目标.这是一个玩具数据框：

df = pd.DataFrame(np.random.randn(10,7),index=range(1,11),columns=headers)

这使

Time A_x A_y A_z B_x B_y B_z

1 -0.075509 -0.123527 -0.547239 -0.453707 -0.969796 0.248761 1.369613

2 -0.206369 -0.112098 -1.122609 0.218538 -0.878985 0.566872 -1.048862

3 -0.194552 0.818276 -1.563931 0.097377 1.641384 -0.766217 -1.482096

4 0.502731 0.766515 -0.650482 -0.087203 -0.089075 0.443969 0.354747

5 1.411380 -2.419204 -0.882383 0.005204 -0.204358 -0.999242 -0.395236

6 1.036695 1.115630 0.081825 -1.038442 0.515798 -0.060016 2.669702

7 0.392943 0.226386 0.039879 0.732611 -0.073447 1.164285 1.034357

8 -1.253264 0.389148 0.158289 0.440282 -1.195860 0.872064 0.906377

9 -0.133580 -0.308314 -0.839347 -0.517989 0.652120 0.477232 -0.391767

10 0.623841 0.473552 0.059428 0.726088 -0.593291 -3.186297 -0.846863

我想要做的只是在这种情况下,为每个索引计算每个标题(A和B)的向量长度,并除以时间列.因此,该函数需要是np.sqrt(A_x ^ 2 A_y ^ 2 A_z ^ 2),当然对于B也是如此.即我希望计算每一行的速度,但三列有助于一个速度结果.

我已经尝试使用df.groupby和df.filter来循环遍历列,但我无法让它工作,因为我完全不确定如何将相同的函数有效地应用于数据框的块,所有这些都在一个去(显然一个是避免在行上循环).我试过了

df = df.apply(lambda x: np.sqrt(x.dot(x)), axis=1)

这当然有效,但是只有当输入数据框具有正确的列数(3)时,如果更长,那么在整个行上计算点积,而不是在我想要的三列的块中(因为这是转弯对应于标签坐标,这是三维的).

所以这就是我最终试图用上面的例子得到的(下面的数组只是填充了随机数,而不是我想要计算的实际速度 – 只是为了显示我想要实现的形状)：

Velocity_A Velocity_B

1 -0.975633 -2.669544

2 0.766405 -0.264904

3 0.425481 -0.429894

4 -0.437316 0.954006

5 1.073352 -1.475964

6 -0.647534 0.937035

7 0.082517 0.438112

8 -0.387111 -1.417930

9 -0.111011 1.068530

10 0.451979 -0.053333

我的实际数据是50,000 x 36(因此有12个带有x,y,z坐标的标签),我想一次性计算速度以避免迭代(如果可能的话).还有一个相同长度的时间列(50,000×1).

你怎么做到这一点？

谢谢,阿斯特丽德

最佳答案 一个可能的开始.

过滤掉与特定向量对应的列名.例如

In [20]: filter(lambda x: x.startswith("A_"),df.columns)

Out[20]: ['A_x', 'A_y', 'A_z']

从DataFrame中选择这些列

In [22]: df[filter(lambda x: x.startswith("A_"),df.columns)]

Out[22]:

A_x A_y A_z

1 -0.123527 -0.547239 -0.453707

2 -0.112098 -1.122609 0.218538

3 0.818276 -1.563931 0.097377

4 0.766515 -0.650482 -0.087203

5 -2.419204 -0.882383 0.005204

6 1.115630 0.081825 -1.038442

7 0.226386 0.039879 0.732611

8 0.389148 0.158289 0.440282

9 -0.308314 -0.839347 -0.517989

10 0.473552 0.059428 0.726088

因此,使用此技术,您可以获得3列的块.例如.

column_initials = ["A","B"]

for column_initial in column_initials:

df["Velocity_"+column_initial]=df[filter(lambda x: x.startswith(column_initial+"_"),df.columns)].apply(lambda x: np.sqrt(x.dot(x)), axis=1)/df.Time

In [32]: df[['Velocity_A','Velocity_B']]

Out[32]:

Velocity_A Velocity_B

1 -9.555311 -22.467965

2 -5.568487 -7.177625

3 -9.086257 -12.030091

4 2.007230 1.144208

5 1.824531 0.775006

6 1.472305 2.623467

7 1.954044 3.967796

8 -0.485576 -1.384815

9 -7.736036 -6.722931

10 1.392823 5.369757

我没有得到与你相同的答案.但是,我借用你的df.apply(lambda x：np.sqrt(x.dot(x)),axis = 1)并假设它是正确的.

希望这可以帮助.