pandasは、行要素内のnumpy配列を正しく扱います。

Question

pandas.DataFrameの行要素内にnumpy配列を作成する最小の例を示します。

TL; DR：DataFrame

のスクリーンショットを参照してこのコードはその時、最小値を返す、scipy.optimize.bruteを使用して、特定の関数の最小値を求め、最小が発見された変数二numpyのアレイ関数を評価しました。

import numpy 
import scipy.optimize 
import itertools 

sin = lambda r, phi, x: r * np.sin(phi * x) 

def func(r, x): 
    x0, fval, grid, Jout = scipy.optimize.brute(
     sin, ranges=[(-np.pi, np.pi)], args=(r, x), Ns=10, full_output=True) 
    return dict(phi_at_min=x0[0], result_min=fval, phis=grid, result_at_grid=Jout) 


rs = numpy.linspace(-1, 1, 10) 
xs = numpy.linspace(0, 1, 10) 

vals = list(itertools.product(rs, xs)) 

result = [func(r, x) for r, x in vals] 

# idk whether this is the best way of generating the DataFrame, but it works 
df = pd.DataFrame(vals, columns=['r', 'x']) 
df = pd.concat((pd.DataFrame(result), df), axis=1) 
df.head() 

は、私は、これは私がこれを行うことになっていますし、多分何とかリストを展開する方法ではないことを期待しています。これを正しく、美しく、きれいに処理するにはどうすればよいですか？

Answer 1

「美しく清潔」は解釈の対象となりますが、私はあなたに私のことを教えてくれるでしょう。私はマルチインデックスを利用していますので、後で評価グリッドの各ポイントに対してphi/result_at_gridのペアを簡単に選択することができます。 2つのデータフレームを作成する代わりにapplyも使用しています。

import numpy 
import scipy.optimize 
import itertools 

sin = lambda r, phi, x: r * np.sin(phi * x) 

def func(row): 
    """ 
    Accepts a row of a dataframe (a pd.Series). 
    df.apply(func, axis=1) 
    returns a pd.Series with the initial (r,x) and the results 
    """ 
    r = row['r'] 
    x = row['x'] 
    x0, fval, grid, Jout = scipy.optimize.brute(
     sin, ranges=[(-np.pi, np.pi)], args=(r, x), Ns=10, full_output=True) 

    # Create a multi index series for the phis 
    phis = pd.Series(grid) 
    phis.index = pd.MultiIndex.from_product([['Phis'], phis.index]) 

    # same for result at grid 
    result_at_grid = pd.Series(Jout) 
    result_at_grid.index = pd.MultiIndex.from_product([['result_at_grid'], result_at_grid.index]) 

    # concat 
    s = pd.concat([phis, result_at_grid]) 

    # Add these two float results 
    s['phi_at_min'] = x0[0] 
    s['result_min'] = fval 

    # add the initial r,x to reconstruct the index later 
    s['r'] = r 
    s['x'] = x 

    return s 



rs = numpy.linspace(-1, 1, 10) 
xs = numpy.linspace(0, 1, 10) 

vals = list(itertools.product(rs, xs)) 
df = pd.DataFrame(vals, columns=['r', 'x']) 

# Apply func to each row (axis=1) 
results = df.apply(func, axis=1) 
results.set_index(['r','x'], inplace=True) 
results.head().T # Transposing so we can see the output in one go... 

今、あなたは

print(results.swaplevel(0,1, axis=1)[2].head()) # Showing only 5 first 


        Phis result_at_grid 
r x         
-1.0 0.000000 -1.745329  0.000000 
    0.111111 -1.745329  0.193527 
    0.222222 -1.745329  0.384667 
    0.333333 -1.745329  0.571062 
    0.444444 -1.745329  0.750415