用于填充数据帧的嵌套列表理解

Question

目的：为x计算一些二元多项式，例如f（x，y）=sin（x^2+y^2）∈ [-1,1]和y∈ [-1,1]并将值固定在数据帧中

我所拥有的

def sunbrero(x,y):
  return np.sin(x**2 + y**2)

lower=-1
upper=1
length=1000
X = np.linspace(lower, upper, num=length)
Y = np.linspace(lower, upper, num=length)
Z = pd.DataFrame(index=X,columns=Y)
# [[sunbrero(x,y) for x in X] for y in Y]
for y in Y:
  Z[y] = [sunbrero(x,y) for x in X]

我希望做的是取代

for y in Y:
  Z[y] = [sunbrero(x,y) for x in X]

…有点像

[[Z[y] = sunbrero(x,y) for x in X] for y in Y]

但显然，上述方法不起作用

我知道这是有效的

Z = [[sunbrero(x,y) for x in X] for y in Y]

…但它创建的是列表列表，而不是数据帧

注1：如果其他人认为2D向量更适合c.f数据帧，我也愿意接受

注2：我认为lambda函数不起作用，因为它只允许定义一个变量。很高兴被纠正

Answer 1

我认为更像熊猫式的方法是先计算值，然后将它们放入数据帧中，而不是反过来。在列表理解中执行计算并不能很好地利用Numpy和Pandas的内部向量优化

相反，您可以利用Numpy的广播功能首先获取矩阵：

length = 5

X = np.linspace(lower, upper, num=length)
Y = np.linspace(lower, upper, num=length)

result = sunbrero(X[:, None], Y)

array([[0.90929743, 0.94898462, 0.84147098, 0.94898462, 0.90929743],
       [0.94898462, 0.47942554, 0.24740396, 0.47942554, 0.94898462],
       [0.84147098, 0.24740396, 0.        , 0.24740396, 0.84147098],
       [0.94898462, 0.47942554, 0.24740396, 0.47942554, 0.94898462],
       [0.90929743, 0.94898462, 0.84147098, 0.94898462, 0.90929743]])

并将其放入数据框中，如下所示：

df = pd.DataFrame(result, index=X, columns=Y)

          -1.0      -0.5       0.0       0.5       1.0
-1.0  0.909297  0.948985  0.841471  0.948985  0.909297
-0.5  0.948985  0.479426  0.247404  0.479426  0.948985
 0.0  0.841471  0.247404  0.000000  0.247404  0.841471
 0.5  0.948985  0.479426  0.247404  0.479426  0.948985
 1.0  0.909297  0.948985  0.841471  0.948985  0.909297

Answer 2

你就快到了：

df = pd.DataFrame([[sunbrero(x,y) for x in X] for y in Y])

Answer 3

您可以理解列表，然后让pandas从列表创建数据框，例如：

list_of_lists = [[1, 2, 3], [4, 5, 6]]
df = pd.DataFrame(list_of_lists)

得到

   0  1  2
0  1  2  3
1  4  5  6