如何基于DataFrame实现示例所示的迭代计算？求参考链接

需求规则 #

• df2的第0行完全沿用df1的第0行数据
• 从第1行开始，df2每行的每个值遵循公式：df2.iloc[i] = df1.iloc[i] * 2 + df2.iloc[i-1] * 1

示例数据 #

df1原始数据 #

a  b  c
0  1  0  5
1  9  9  2
2  2  2  8
3  6  3  0
4  6  1  7

目标df2结果 #

a   b   c
0  1   0   5  # 取自df1第0行
1  19  18  9  # 计算逻辑：(9*2)+1=19，(9*2)+0=18，(2*2)+5=9
2  23  22  25 # 计算逻辑：(2*2)+19=23，(2*2)+18=22，(8*2)+9=25
3  35  28  25 # 计算逻辑：(6*2)+23=35，(3*2)+22=28，(0*2)+25=25
4  47  30  39 # 计算逻辑：(6*2)+35=47，(1*2)+28=30，(7*2)+25=39

原有代码问题分析 #

你之前的代码里，循环内的公式错误地将df2.values[i-1]的乘数设为3，不符合需求里的×1规则，这是导致结果错误的核心原因。

原有代码：

import pandas as pd

df1 = pd.DataFrame({'a': [1,9,2,6,6], 'b': [0,9,2,3,1], 'c': [5,2,8,0,7]})
df2 = pd.DataFrame(index=df1.index, columns=df1.columns)
df2.iloc[0] = df1.iloc[:1]
size = len(df1.index)

for i in range(1,size):
    df2.values[i] = ((df1.values[i] * 2) +  (df2.values[i-1] * 3))  # 此处乘数3错误，应为1

正确实现方法 #

方法1：修正循环逻辑 #

直接修正公式中的乘数，同时简化赋值方式：

import pandas as pd

df1 = pd.DataFrame({'a': [1,9,2,6,6], 'b': [0,9,2,3,1], 'c': [5,2,8,0,7]})
df2 = df1.copy()  # 直接复制第0行，无需单独赋值

for i in range(1, len(df1)):
    df2.iloc[i] = df1.iloc[i] * 2 + df2.iloc[i-1]

print(df2)

运行后会输出符合要求的df2结果。

方法2：向量化实现（无显式循环） #

将问题转化为累积权重计算，避免循环提升效率，适合大数据量场景：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'a': [1,9,2,6,6], 'b': [0,9,2,3,1], 'c': [5,2,8,0,7]})

n = len(df1)
# 构造权重矩阵：每行i对应df1行j的权重为2*1^(i-j)（j<=i），第一行仅df1[0]权重为1
weights = np.array([[2 * (1 ** (i - j)) if j <= i else 0 for j in range(n)] for i in range(n)])
weights[0,0] = 1

df2 = pd.DataFrame(df1.values.T @ weights.T, index=df1.index, columns=df1.columns)
print(df2)

内容的提问来源于stack exchange，提问作者stvlam22