pandas.DataFrame 的矢量化集成

我有一个DataFrame力-位移数据。位移数组已设置为DataFrame索引，列是我针对不同测试的各种力曲线。

如何计算完成的功（即“曲线下面积”）？

我在看numpy.trapz http://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.trapz.html这似乎可以满足我的需要，但我认为我可以避免像这样循环每一列：

import numpy as np
import pandas as pd 

forces = pd.read_csv(...)
work_done = {}

for col in forces.columns:
    work_done[col] = np.trapz(forces.loc[col], forces.index))

我希望创造一个新的DataFrame曲线下的面积而不是dict，并认为DataFrame.apply()或者某些东西可能合适，但不知道从哪里开始寻找。

简而言之：

1. 我可以避免循环吗？
2. 我可以创建一个DataFrame直接完成的工作？

预先感谢您的任何帮助。

你可以通过传递整个向量来向量化DataFrame to np.trapz http://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.trapz.html并指定axis=论证，例如：

import numpy as np
import pandas as pd

# some random input data
gen = np.random.RandomState(0)
x = gen.randn(100, 10)
names = [chr(97 + i) for i in range(10)]
forces = pd.DataFrame(x, columns=names)

# vectorized version
wrk = np.trapz(forces, x=forces.index, axis=0)
work_done = pd.DataFrame(wrk[None, :], columns=forces.columns)

# non-vectorized version for comparison
work_done2 = {}
for col in forces.columns:
    work_done2.update({col:np.trapz(forces.loc[:, col], forces.index)})

这些给出以下输出：

from pprint import pprint

pprint(work_done.T)
#            0
# a -24.331560
# b -10.347663
# c   4.662212
# d -12.536040
# e -10.276861
# f   3.406740
# g  -3.712674
# h  -9.508454
# i  -1.044931
# j  15.165782

pprint(work_done2)
# {'a': -24.331559643023006,
#  'b': -10.347663159421426,
#  'c': 4.6622123535050459,
#  'd': -12.536039649161403,
#  'e': -10.276861220217308,
#  'f': 3.4067399176289994,
#  'g': -3.7126739591045541,
#  'h': -9.5084536839888187,
#  'i': -1.0449311137294459,
#  'j': 15.165781517623724}

您的原始示例还存在一些其他问题。col是列名而不是行索引，因此它需要索引数据帧的第二个维度（即.loc[:, col]而不是.loc[col]）。另外，最后一行有一个额外的尾括号。

Edit:

You could还生成输出DataFrame直接由.apply http://pandas.pydata.org/pandas-docs/version/0.17.1/generated/pandas.DataFrame.apply.htmling np.trapz到每一列，例如：

work_done = forces.apply(np.trapz, axis=0, args=(forces.index,))

然而，这并不是真正的“正确”矢量化 - 您仍在调用np.trapz分别在每一列上。您可以通过比较速度来看到这一点.apply反对打电话的版本np.trapz直接地：

In [1]: %timeit forces.apply(np.trapz, axis=0, args=(forces.index,))
1000 loops, best of 3: 582 µs per loop

In [2]: %timeit np.trapz(forces, x=forces.index, axis=0)
The slowest run took 6.04 times longer than the fastest. This could mean that an
intermediate result is being cached 
10000 loops, best of 3: 53.4 µs per loop

这不是一个完全公平的比较，因为第二个版本排除了构建DataFrame来自输出 numpy 数组，但这应该仍然小于执行实际积分所需的时间差。