根据索引AND列名称逐个单元格填充整个数据帧？

Question

我有一个数据框，其中行索引和列标题应确定每个单元格的内容。 我正在使用以下df的更大版本：

df = pd.DataFrame(index = ['afghijklde', 'afghijklmde', 'ade', 'afghilmde', 'amde'], 
                  columns = ['ae', 'azde', 'afgle', 'arlde', 'afghijklbcmde'])

具体来说，我想应用自定义函数edit_distance()或等效函数edit_distance()有关函数代码，请参见此处 ），该函数计算两个字符串之间的差异得分。 两个输入是行名和列名。 以下工作正常，但速度非常慢：

for seq in df.index:
    for seq2 in df.columns:
        df.loc[seq, seq2] = edit_distance(seq, seq2) 

这产生了我想要的结果：

            ae  azde    afgle   arlde   afghijklbcmde
afghijklde  8    7        5       6          3
afghijklmde 9    8        6       7          2
ade         1    1        3       2          10
afghilmde   7    6        4       5          4
amde        2    1        3       2          9

有什么更好的方法，也许使用applymap() ？ 我使用applymap()或apply或df.iterrows()尝试过的所有方法均返回了AttributeError: "'float' object has no attribute 'index'"类型的错误AttributeError: "'float' object has no attribute 'index'" 。 谢谢。

Answer 1

事实证明，还有一种更好的方法可以做到这一点。 上面的onepan字典理解答案很好，但是以随机顺序返回df索引和列。 使用嵌套的.apply()可以以大约相同的速度完成相同的操作，并且不会更改行/列的顺序。 关键是不要挂断先命名df的行和列，然后再填充值。 取而代之的是，将未来的索引和列视为独立的熊猫系列。

series_rows = pd.Series(['afghijklde', 'afghijklmde', 'ade', 'afghilmde', 'amde'])
series_cols = pd.Series(['ae', 'azde', 'afgle', 'arlde', 'afghijklbcmde'])

df = pd.DataFrame(series_rows.apply(lambda x: series_cols.apply(lambda y: edit_distance(x, y))))
df.index = series_rows
df.columns = series_cols

Answer 2

您可以使用理解功能，在我的电脑上将其提高〜4.5倍

first = ['afghijklde', 'afghijklmde', 'ade', 'afghilmde', 'amde']
second = ['ae', 'azde', 'afgle', 'arlde', 'afghijklbcmde']
pd.DataFrame.from_dict({f:{s:edit_distance(f, s) for s in second} for f in first}, orient='index')

# output
#              ae  azde  afgle arlde  afghijklbcmde
# ade          1   2     2     2      2
# afghijklde   1   3     4     4      9
# afghijklmde  1   3     4     4      10
# afghilmde    1   3     4     4      8
# amde         1   3     3     3      3

# this matches to edit_distance('ae', 'afghijklde') == 8, e.g.

注意，我将此代码用于edit_distance（您的链接中的第一个响应）：

def edit_distance(s1, s2):
    if len(s1) > len(s2):
        s1, s2 = s2, s1

    distances = range(len(s1) + 1)
    for i2, c2 in enumerate(s2):
        distances_ = [i2+1]
        for i1, c1 in enumerate(s1):
            if c1 == c2:
                distances_.append(distances[i1])
            else:
                distances_.append(1 + min((distances[i1], distances[i1 + 1], distances_[-1])))
        distances = distances_
    return distances[-1]