如何获取Pandas DataFrame中的值的索引？

Question

我相信这个问题肯定有一个非常简单的解决方案，但我无法找到它（并浏览以前提出的问题，我没有找到我想要的或不明白的答案）。

我有一个类似的数据帧（只是更大，还有更多的行和列）：

 x val1 val2 val3 
0 0.0 10.0 NaN NaN 
1 0.5 10.5 NaN NaN 
2 1.0 11.0 NaN NaN 
3 1.5 11.5 NaN 11.60 
4 2.0 12.0 NaN 12.08 
5 2.5 12.5 12.2 12.56 
6 3.0 13.0 19.8 13.04 
7 3.5 13.5 13.3 13.52 
8 4.0 14.0 19.8 14.00 
9 4.5 14.5 14.4 14.48 
10 5.0 15.0 19.8 14.96 
11 5.5 15.5 15.5 15.44 
12 6.0 16.0 19.8 15.92 
13 6.5 16.5 16.6 16.40 
14 7.0 17.0 19.8 18.00 
15 7.5 17.5 17.7 NaN 
16 8.0 18.0 19.8 NaN 
17 8.5 18.5 18.8 NaN 
18 9.0 19.0 19.8 NaN 
19 9.5 19.5 19.9 NaN 
20 10.0 20.0 19.8 NaN 

在下一步骤中，我需要计算导数DVAL/DX针对每个值的列（实际上我有3列以上，所以我需要在循环中有一个强大的解决方案，我不能每次手动选择行）。但是由于某些列的NaN值，我正面临着x和val不是同一维度的问题。我觉得解决这个问题的方法是只选择x的区间，其中val是notnull。但我无法做到这一点。我可能犯了一些非常愚蠢的错误（我不是程序员，我非常无能，所以请耐心等待:)）。

这是目前为止的代码（现在我想到了，我可能因为遗留了一些旧代码而导致了一些错误，因为我已经搞了一会儿，尝试了不同的事情）：

import pandas as pd 
import numpy as np 

df = pd.read_csv('H:/DocumentsRedir/pokus/dataframe.csv', delimiter=',') 

vals = list(df.columns.values)[1:] 

for i in vals: 
    V = np.asarray(pd.notnull(df[i])) 

    mask = pd.notnull(df[i]) 
    X = np.asarray(df.loc[mask]['x']) 

    derivative=np.diff(V)/np.diff(X) 

但我收到此错误：

ValueError: operands could not be broadcast together with shapes (20,) (15,) 

所以，很明显，它没有选择只有NOTNULL值...

是否有一个明显的错误，我一个我应该采用哪种方式或采取不同的方法？谢谢！

（而另一个同样重要的问题：是np.diff右功能用在这里或曾有我最好用有限差分人工计算它我没有找到numpy的文件非常有用吗？）。

Answer 1

要计算DVAL/DX：

dVal = df.iloc[:, 1:].diff() # `x` is in column 0. 
dX = df['x'].diff() 
>>> dVal.apply(lambda series: series/dX) 

    val1 val2 val3 
0 NaN NaN NaN 
1  1 NaN NaN 
2  1 NaN NaN 
3  1 NaN NaN 
4  1 NaN 0.96 
5  1 NaN 0.96 
6  1 15.2 0.96 
7  1 -13.0 0.96 
8  1 13.0 0.96 
9  1 -10.8 0.96 
10  1 10.8 0.96 
11  1 -8.6 0.96 
12  1 8.6 0.96 
13  1 -6.4 0.96 
14  1 6.4 3.20 
15  1 -4.2 NaN 
16  1 4.2 NaN 
17  1 -2.0 NaN 
18  1 2.0 NaN 
19  1 0.2 NaN 
20  1 -0.2 NaN 

我们差的所有列（除了第一个），然后应用lambda函数，其通过在X列中的差异除以它的每一列。