如何基于Pandas同列已计算前置值计算列值并生成指定表格

你遇到的核心问题是：Pandas的向量化操作（比如shift）是基于列的原始值一次性计算所有行的，不会逐行迭代更新前一行的计算结果——这也是为什么你的shift语句无法得到正确的递推值。下面给出两种可行的解决方案：

方法1：逐行循环计算（直观适合小数据集） #

这种方法完全贴合你描述的递推逻辑，从第二行开始逐行计算md的值，逻辑清晰、容易理解，适合行数不多的场景：

import pandas as pd
import numpy as np

msotc = 7
sopd = 1  # 可自定义，比如0.5
soss = 2  # 可自定义，比如1.05

# 初始化DataFrame，md列首行设为0，其余先填充NaN占位
df = pd.DataFrame({
    "msotc": range(msotc + 1),
    "md": [0] + [np.nan] * msotc
})

# 从第1行开始逐行递推计算
for i in range(1, msotc + 1):
    df.loc[i, "md"] = df.loc[i-1, "md"] * soss + sopd

print(df)

运行后会得到你期望的结果：

msotc     md
0      0    0.0
1      1    1.0
2      2    3.0
3      3    7.0
4      4   15.0
5      5   31.0
6      6   63.0
7      7  127.0

方法2：用通项公式向量化计算（高效适合大数据集） #

观察递推公式md(n) = md(n-1)*soss + sopd，这是一个线性递推数列，可以推导出通项公式，彻底避免循环，大幅提升计算效率（尤其适合上万行的大数据集）：

• 当soss != 1时，通项公式为：md(n) = sopd * (soss**n - 1) / (soss - 1)
• 当soss == 1时，递推公式简化为md(n) = sopd * n

用这个公式可以直接生成整个md列：

import pandas as pd
import numpy as np

msotc = 7
sopd = 1
soss = 2

# 生成msotc序列
msotc_seq = range(msotc + 1)

# 根据soss的值选择对应计算逻辑
if soss == 1:
    md_seq = [sopd * n for n in msotc_seq]
else:
    md_seq = sopd * (np.power(soss, msotc_seq) - 1) / (soss - 1)

# 构建最终的DataFrame
df = pd.DataFrame({
    "msotc": msotc_seq,
    "md": md_seq
})

print(df)

这种方法的优势在于，即使msotc数值很大，计算速度依然很快，因为是Pandas/Numpy的向量化操作，没有循环的性能开销。

内容的提问来源于stack exchange，提问作者wkamer