如何在python3中向数据帧中重复添加列

Question

我正在写一个函数来模拟抛硬币游戏中的财富。f是我将把我的钱（资产管理规模）投入这个游戏的百分比。我模拟10000步，在每一步中，我都想把资产管理规模的数字加入我的财富列表，因此，在10000步结束时，我会有一个包含10001个数字的列表（包括资产管理规模=100）。最后，我想要一个数据帧（10001*100），每一列对应一个不同f（列名）的财富序列。但我下面的代码不断弹出错误：

raise TypeError（消息） TypeError:无法连接“”类型的对象；只有pd.Series、pd.DataFrame和pd.Panel（已弃用）对象才有效

或者

ValueError:值的长度与索引的长度不匹配

有人能帮我解决这个问题吗（在一个数据帧中添加100个系列，每个系列有10001个元素）？非常感谢

df = pd.DataFrame()
wealth = [100] ### initial AUM
def path(f): 
    global AUM
    global wealth
    for j in range(10000):  ### one simulation with 10,000 steps
        if Ber_Dist_V [j] == 1: ### Bernouli distribution
            AUM = AUM * (1-f) + AUM * f * (1 + win)
        else:
            AUM = AUM * (1-f) + AUM * f * (1 + lose)
        wealth.append(AUM)
    wealth = pd.Series(wealth)
    df[f]=wealth

weight = np.linspace(0, 1, 100,endpoint=False).tolist()
for f in weight:
    path_weight(f) 

Answer 1

您得到的是ValueError，因为您的wealth列表的长度非常不同。实际上，没有必要将它转换为一个系列来将它设置为数据帧的一列。您的内部逻辑不是很透明，但是重置列表（因此wealth总是有一个恒定的长度）应该可以解决这个问题。我会建议类似于以下内容：

df = pd.DataFrame()
def path(f): 
    global AUM
    wealth = [100] # Resets `wealth` with each invocation of `path()`.
    for j in range(10000):  ### one simulation with 10,000 steps
        if Ber_Dist_V [j] == 1: ### Bernouli distribution
            AUM = AUM * (1-f) + AUM * f * (1 + win)
        else:
            AUM = AUM * (1-f) + AUM * f * (1 + lose)
        wealth.append(AUM)
    df[f] = wealth

weight = np.linspace(0, 1, 100,endpoint=False).tolist()
for f in weight:
    path_weight(f)

但是，如果您想使代码更快（而且您知道wealth的长度是l0001个元素，那么您可以在实例化时预先填充它，然后只更新元素。这应该比使用.append()快得多。我会这样写：

df = pd.DataFrame()
def path(f): 
    global AUM
    wealth = [100] + [0]*10000 # Resets `wealth` with each invocation of `path()`. Prefills wealth with `0`.
    for j in range(1, 10001):  ### one simulation with 10,000 steps
        if Ber_Dist_V [j] == 1: ### Bernouli distribution
            AUM = AUM * (1-f) + AUM * f * (1 + win)
        else:
            AUM = AUM * (1-f) + AUM * f * (1 + lose)
        wealth[i] = AUM    # Faster than using `.append()`.
    df[f] = wealth

weight = np.linspace(0, 1, 100,endpoint=False).tolist()
for f in weight:
    path_weight(f)