在迭代i时更新pandas数据帧的更好方法

Question

在迭代pandas数据帧并进行更改时，使用更改更新数据帧的更好方法是什么？下面的一个例子，我现在正在使用indexer ix来定位要更新的行，我认为这不是最好的方法，尤其是在数据很大的情况下：

print df

id | A     | B
01 | 374   | 2014-02-01 04:45:04.401502
02 | 284   | 2014-03-12 21:23:12.401502
03 | 183   | 2014-02-01 09:12:08.401502

for row in df.itertuples():
    id = row[1]
    col_a = row[2]
    col_b = row[3]

    N = random.randint(2,5)
    for i in xrange(0, N): 
       new_col_a = col_a + 1
       new_col_b = datetime.datetime.now()

       #update dataframe's A, B respectively
       df.ix[df['id'] == id, ['A', 'B']] = [col_a, col_b]  


print df

id | A     | B
01 | 374   | 2014-02-01 04:45:04.401502
01 | 375   | 2016-12-07 07:45:04.401502
01 | 376   | 2016-12-07 07:45:04.401502
01 | 377   | 2014-12-07 07:45:04.401502
02 | 284   | 2014-03-12 21:23:12.401502
02 | 285   | 2016-12-07 07:45:04.401502
02 | 286   | 2016-12-07 07:45:04.401502
03 | 183   | 2014-02-01 09:12:08.401502
03 | 184   | 2016-12-07 07:45:04.401502
03 | 185   | 2016-12-07 07:45:04.401502
03 | 186   | 2016-12-07 07:45:04.401502

Answer 1

不是很好的解决方案，因为循环。在

因此，首先为df自定义函数的每一行apply，其中创建新的DataFrame，并将其附加到列表dfs。然后^{}它和apply函数，它可以在自定义函数之外工作：

np.random.seed(10)
dfs = []
def expand(x):
    N = np.random.choice([2,3,4])
    df = pd.DataFrame([x.values.tolist()], columns=x.index).reindex(range(N))
    df.A = df.A.fillna(1).cumsum()
    df.insert(1,'prevA', df.A.shift())
    dfs.append(df)

df.apply(expand, axis=1)

df1 = pd.concat(dfs, ignore_index=True)
df1.A = df1.A.astype(int)
df1.id = df1.id.ffill().astype(int)
df1.prevA = df1.prevA.bfill().astype(int)
df1.B = df1.B.fillna(pd.datetime.now())

print (df1)

   id  prevA    A                          B
0   1    374  374 2014-02-01 04:45:04.401502
1   1    374  375 2016-12-07 10:48:14.299336
2   1    375  376 2016-12-07 10:48:14.299336
0   2    284  284 2014-03-12 21:23:12.401502
1   2    284  285 2016-12-07 10:48:14.299336
2   2    285  286 2016-12-07 10:48:14.299336
0   3    183  183 2014-02-01 09:12:08.401502
1   3    183  184 2016-12-07 10:48:14.299336