如何用Python按指定公式生成带指定行列索引的DataFrame？

问题出在哪 #

你这段循环代码的核心错误：

• 循环内误用了整个x/y数组而非当前迭代的行索引a和列名b，导致维度不匹配触发类型错误
• 嵌套循环的append逻辑混乱，生成的列表结构无法直接转为DataFrame
• 末尾多余的data.append(v)属于冗余操作，只会添乱

正确实现方式 #

方法1：Numpy广播（高效推荐）

利用Numpy的广播机制直接生成二维数值数组，无需手动循环，处理大数量级数据时速度远快于循环：

import numpy as np
import pandas as pd

# 生成列名和行索引（arange写法比range转array更简洁）
x = np.arange(1, 501)
y = np.arange(300, 14001)

# 将行索引y转为列向量，和列名x做广播运算，直接生成(13701, 500)的二维数组
values = 2 * np.pi * x / y.reshape(-1, 1)

# 生成目标DataFrame
df = pd.DataFrame(values, index=y, columns=x)

方法2：列表推导式（易理解）

如果偏好显式循环逻辑，用列表推导式生成每行的数值列表，结构完全匹配DataFrame要求：

import numpy as np
import pandas as pd

x = np.arange(1, 501)
y = np.arange(300, 14001)

# 遍历每个行索引，生成对应行的所有计算值
data = [2 * np.pi * x / row_idx for row_idx in y]

# 生成目标DataFrame
df = pd.DataFrame(data, index=y, columns=x)

验证示例 #

取行索引300、列名1的单元格，计算值应为 2*π*1/300 ≈ 0.02094，可以用df.loc[300, 1]查看结果是否正确。

内容的提问来源于stack exchange，提问作者Swawa