嵌套列表理解以填充数据帧

Question

目标：计算一些二元多项式，例如f(x，y(=sin(x^2+y^2(，对于x∈[-1,1]和y∈[-1,1]，并在数据帧中粘贴值。

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]

像。。。

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

但很明显，上述方法并不奏效。

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向量是更合理的c.f数据帧，我也持开放态度。

注意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首先计算的值，然后将它们放入数据帧中，而不是相反。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，你可以利用Numpy的广播首先获得矩阵：

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]])

并将其放入一个数据帧中，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

您几乎做到了：

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panda从列表列表中创建一个数据帧，例如：

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

获取

0  1  2
0  1  2  3
1  4  5  6