计算从第一行和第一列输入的数组值答案

【问题标题】：calculate array values input from first row and first column计算从第一行和第一列输入的数组值
【发布时间】：2016-01-20 07:07:40
【问题描述】：

我想使用单独的函数计算矩阵值，并将第一列和第一行作为输入。

我希望收到有关优化以下代码的建议：

#imports
import numpy as np
import pandas as pd


#numpy variant

#creation of sample matrix
x_range = range(-180, -80, 20)
y_range = range(5, 30, 5)

ma = np.zeros(shape=(6,6))
ma[0,1:] = x_range
ma[1:,0] = y_range
ma[0,0] = np.nan

# test function:
def test_func(x, y):
    z = (x + y) / 10

    return z  

#looping
for y in range(1, len(ma[0,:])):
    for x in range(1, len(ma[:,0])):
        #print ma[0, x], ma[y, 0]
        ma[x, y] = test_func(ma[0, x], ma[y, 0])

ma
array([[   nan, -180. , -160. , -140. , -120. , -100. ],
       [   5. ,  -17.5,  -17. ,  -16.5,  -16. ,  -15.5],
       [  10. ,  -15.5,  -15. ,  -14.5,  -14. ,  -13.5],
       [  15. ,  -13.5,  -13. ,  -12.5,  -12. ,  -11.5],
       [  20. ,  -11.5,  -11. ,  -10.5,  -10. ,   -9.5],
       [  25. ,   -9.5,   -9. ,   -8.5,   -8. ,   -7.5]])

#pandas variant

cols = x_range
idx = y_range

#dataframe
df = pd.DataFrame(np.zeros(shape=(5,5)), index=idx, columns=cols)
df.index.name = 'Y-Range'
df.columns.name = 'X-Range'

df
X-Range  -180  -160  -140  -120  -100
Y-Range                              
5           0     0     0     0     0
10          0     0     0     0     0
15          0     0     0     0     0
20          0     0     0     0     0
25          0     0     0     0     0


#looping
for col in range(0, (len(df.columns))):
    for ind in range(0, (len(df.index))):
        df.iloc[ind, col] = test_func(df.index[ind], df.columns[col])

df
X-Range  -180  -160  -140  -120  -100
Y-Range                              
5         -18   -16   -14   -12   -10
10        -17   -15   -13   -11    -9
15        -17   -15   -13   -11    -9
20        -16   -14   -12   -10    -8
25        -16   -14   -12   -10    -8
#rounding due to console settings

这正是我想要的。

但是有没有更好的方法，更高效，避免循环？

注意：感谢您的回复。

【问题讨论】：

如果你已经实现了一个有效的循环版本，请将其添加到问题中？
推荐的最终输出是什么？
编辑前 - ma[1,2] / 10 = -15.5 编辑后 ma[1,2] = -17。对吗？

标签： python arrays numpy pandas vectorization

【解决方案1】：

设置 ma 后，您可以通过扩展其中一个切片部分的维度来替换嵌套循环以实现矢量化方法：ma[0,1:] 和 add 与另一个切片 ma[1:,0]，这将使用broadcasting。作为一种矢量化方法，这必须非常快。因此，循环替换看起来像这样 -

ma[1:,1:] = ma[0,1:][:,None] + ma[1:,0]

请注意，写ma[0,1:][:,None] 的更简洁的方式是ma[0,1:,None]。

【讨论】：

【解决方案2】：

您可以使用add 和T：

df = pd.DataFrame(ma)  
print df  

    0    1    2    3    4    5
0 NaN -180 -160 -140 -120 -100
1   5    0    0    0    0    0
2  10    0    0    0    0    0
3  15    0    0    0    0    0
4  20    0    0    0    0    0
5  25    0    0    0    0    0

df.ix[1:,1:] = (df.ix[1:,1:].add(df.ix[1:,0],axis=0) + df.ix[0,1:]).T
print df

    0    1    2    3    4    5
0 NaN -180 -160 -140 -120 -100
1   5 -175 -170 -165 -160 -155
2  10 -155 -150 -145 -140 -135
3  15 -135 -130 -125 -120 -115
4  20 -115 -110 -105 -100  -95
5  25  -95  -90  -85  -80  -75

【讨论】：