Python: ¿cómo realizo la siguiente operación en el marco de datos de Python?

Question

a continuación está mi df

df = pd.DataFrame({
                   'Sr. No': [1, 2, 3, 4, 5, 6],
                    'val1' : [2,3,2,4,1,2],

})

Quiero la salida val2 como se muestra en las siguientes figuras. row1 es igual que row1 de val1 pero row2 y siguientes se calculan usando una fórmula, como se muestra

Answer 1

Entonces, todas las filas dependen de la anterior, ya que C4 depende del cálculo de C3, por ejemplo. Entonces, lo que podemos hacer es operar directamente en las matrices numpy.

sr_no_vals = df['Sr. No'].values
val1_vals = df['val1'].values
val2_vals = [val1_vals[0]]

for i in range(1, len(sr_no_vals)):
    calculated_value = (((1 + val2_vals[i - 1]) ** sr_no_vals[i - 1]) * (1 + val1_vals[i])) ** (1 / sr_no_vals[i]) 
    val2_vals.append(calculated_value)

df['val2'] = val2_vals

Cuando operamos con matrices numpy, también podemos usar un compilador justo a tiempo como numba para acelerar la operación en un factor enorme para datos grandes.

@numba.jit(nopython=True)
def calc_val2(val1_vals, sr_no_vals):
    val2_vals = [val1_vals[0]]
    for i in range(1, len(sr_no_vals)):
        calculated_value = (((1 + val2_vals[i - 1]) ** sr_no_vals[i - 1]) * (1 + val1_vals[i])) ** (1 / sr_no_vals[i]) 
        val2_vals.append(calculated_value)
    return val2_vals

df['val2'] = calc_val2(val1_vals, sr_no_vals)