Pandas公式计算加速度转速度结果异常问题求助

数据结构 #

处理的DataFrame结构如下：

{'T': {0: 0.007719999999999999,
  1: 0.016677999999999797,
  2: 0.024630999999996697,
  3: 0.0325849999999983,
  4: 0.040530999999995196},
 'Ax': {0: 0.16, 1: 0.28, 2: 0.28, 3: 0.44, 4: 0.57},
 'Ay': {0: 8.0, 1: 7.9, 2: 7.87, 3: 7.87, 4: 7.9},
 'Az': {0: 3.83, 1: 3.83, 2: 3.79, 3: 3.76, 4: 3.76},
 'delta T': {0: 0.00772,
  1: 0.008957999999999798,
  2: 0.0079529999999969,
  3: 0.007954000000001606,
  4: 0.007945999999996893}}

当前实现步骤 #

1. 初始化速度列：

df_yt["Vx"] = 0
df_yt["Vy"] = 0
df_yt["Vz"] = 0

2. 设置第一行速度值：

df_yt.loc[0,"Vx"] = 0.16*0.007720
df_yt.loc[0,"Vy"] = 8.00*0.007720
df_yt.loc[0,"Vz"] = 3.83*0.007720

3. 尝试用向量化方式计算后续速度：

df_yt.loc[1:,"Vx"] = df_yt["Vx"].shift(1) + df_yt["Ax"]*df_yt["delta T"]
df_yt.loc[1:,"Vy"] = df_yt["Vy"].shift(1) + df_yt["Ay"]*df_yt["delta T"]
df_yt.loc[1:,"Vz"] = df_yt["Vz"].shift(1) + df_yt["Az"]*df_yt["delta T"]

问题描述 #

代码无报错，但计算结果不符合预期。例如索引2的Vx预期为0.003743 + 0.28*0.007953 = 0.005970，但实际计算值错误。

问题原因 #

pandas的向量化操作基于原始列数据计算，df_yt["Vx"].shift(1)调用的是初始设置的Vx列（仅第一行有值，其余为0），而非逐行计算后更新的Vx值。因此后续行的计算都是基于0 + Ax*deltaT，而非前一行的实际速度值。

解决方案 #

方法1：高效累积求和（推荐） #

速度计算本质是加速度与时间间隔乘积的累积求和，直接用cumsum()实现：

# 直接计算速度的累积和，无需手动初始化第一行
df_yt["Vx"] = (df_yt["Ax"] * df_yt["delta T"]).cumsum()
df_yt["Vy"] = (df_yt["Ay"] * df_yt["delta T"]).cumsum()
df_yt["Vz"] = (df_yt["Az"] * df_yt["delta T"]).cumsum()

该方法会自动从第一行开始累积，结果完全符合前一行速度 + 当前行Ax*deltaT的逻辑。

方法2：逐行循环计算（适合小数据集） #

如果需要明确逐行更新的逻辑，可使用循环：

# 初始化速度列并设置第一行
df_yt["Vx"] = 0
df_yt["Vy"] = 0
df_yt["Vz"] = 0
df_yt.loc[0,"Vx"] = df_yt.loc[0,"Ax"] * df_yt.loc[0,"delta T"]
df_yt.loc[0,"Vy"] = df_yt.loc[0,"Ay"] * df_yt.loc[0,"delta T"]
df_yt.loc[0,"Vz"] = df_yt.loc[0,"Az"] * df_yt.loc[0,"delta T"]

# 逐行计算后续速度
for i in range(1, len(df_yt)):
    df_yt.loc[i, "Vx"] = df_yt.loc[i-1, "Vx"] + df_yt.loc[i, "Ax"] * df_yt.loc[i, "delta T"]
    df_yt.loc[i, "Vy"] = df_yt.loc[i-1, "Vy"] + df_yt.loc[i, "Ay"] * df_yt.loc[i, "delta T"]
    df_yt.loc[i, "Vz"] = df_yt.loc[i-1, "Vz"] + df_yt.loc[i, "Az"] * df_yt.loc[i, "delta T"]

验证 #

以索引2的Vx为例，计算结果为：
0.16*0.00772 + 0.28*0.008958 + 0.28*0.007953 = 0.005970，与预期完全一致。

内容的提问来源于stack exchange，提问作者Francisco Barroca