如何为Pandas DataFrame生成单元素扰动行以开展敏感度分析

针对遍历DataFrame每行、仅对单个元素乘以1.1做扰动，同时保留原行生成分析表格的需求，以下是具体实现方法：

示例输入 #

import pandas as pd
df = pd.DataFrame({'AGE':[5,10],'POP':[100,200]})

基础循环实现（适合小数据集） #

通过逐行遍历生成原行和扰动行，逻辑直观易懂：

import pandas as pd

df = pd.DataFrame({'AGE':[5,10],'POP':[100,200]})

result = []
# 遍历每一行，生成原行和单元素扰动行
for row_idx, original_row in df.iterrows():
    # 添加原行，附带标识说明
    result.append(original_row.to_dict() | {'扰动说明': f'原行_{row_idx}'})
    # 对当前行的每个列单独生成扰动行
    for col_name in df.columns:
        perturbed_row = original_row.copy()
        perturbed_row[col_name] *= 1.1
        result.append(perturbed_row.to_dict() | {'扰动说明': f'行{row_idx}_列{col_name}扰动'})

# 转换为结果DataFrame
result_df = pd.DataFrame(result).reset_index(drop=True)
print(result_df)

输出结果 #

向量化优化实现（适合大数据集） #

如果数据量较大，循环遍历效率偏低，可以用向量化方法提升性能：

import pandas as pd
import numpy as np

df = pd.DataFrame({'AGE':[5,10],'POP':[100,200]})

col_count = len(df.columns)
# 扩展原DataFrame，每个原行重复(1+列数)次（原行+每个列的扰动行）
repeat_times = [col_count + 1] * len(df)
expanded_df = df.loc[df.index.repeat(repeat_times)].reset_index(drop=True)

# 生成扰动说明列
desc_list = []
for idx in df.index:
    desc_list.append(f'原行_{idx}')
    desc_list.extend([f'行{idx}_列{col}扰动' for col in df.columns])
expanded_df['扰动说明'] = desc_list

# 创建掩码，标记需要扰动的元素位置
mask = np.zeros_like(expanded_df.drop('扰动说明', axis=1), dtype=bool)
start_pos = 0
for i in range(len(df)):
    # 跳过原行（第1个位置），依次标记每个列的扰动位置
    for j, col in enumerate(df.columns):
        mask[start_pos + 1 + j, df.columns.get_loc(col)] = True
    start_pos += col_count + 1

# 对掩码标记的元素应用扰动
expanded_df.loc[mask, df.columns] *= 1.1
print(expanded_df)

内容的提问来源于stack exchange，提问作者Lu_Ca