创建一个数据框作为行索引值和列名的函数？

Question

根据行索引值和列名创建熊猫数据框的最佳方法是什么？

因此，对于 DataFrame 中 X 中的索引，Y 中的列，每个值将是一些 f(x,y)，其中 x 中的 x 和 Y 中的 y（例如，可以是索引和列名的串联）

我知道我可以写一个循环来做到这一点，但认为在 Pandas 中有更快的方法吗？

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，您可以通过调用任意函数f来替换col+row ：

df = pd.DataFrame(([f(row, col) for col in cols] for row in rows),
                  index=rows, columns=cols)

如果rows和/或cols较大，则列出的清单可能需要大量的内存。 为每个单元调用f一次可能需要一些时间。 根据f ，可能有一种更快/更少内存密集型的方式来创建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。

这将创建 NumPy 数组而不创建列表的临时列表，从而节省内存。 由于np.char.add以矢量化方式创建结果 NumPy 数组，如果rows和cols很大，则获得结果的速度比为每个单元格计算col+row （在 Python 中）更快。