Как выполнить математический расчет для каждого номера в определенном столбце

Question

Я импортировал файл Excel с помощью pandas.read_excel() в Python.
Затем я хочу сделать математический расчет для каждого номера в определенном столбце и создать новый столбец. Но есть ошибка:

TypeError: cannot convert the series to

Как я могу решить эту проблему? Ниже мой код.

import pandas as pd 
import math 

N_DATA=pd.read_excel(r"path\datajl.xls",index_col='R') 
rchdecay=N_DATA['column_name'] 
rchdcayf=math.exp(-rchdecay*0.008) 

Answer 1

Я думаю, что вам нужно numpy.exp:

import numpy as np 

rchdecay=N_DATA['column_name'] 
rchdcayf=np.exp(-rchdecay*0.008) 

Пример:

import pandas as pd 
import numpy as np 

N_DATA = pd.DataFrame({'column_name':[1,2,3]}) 
print (N_DATA) 
    column_name 
0   1 
1   2 
2   3 

rchdcayf=np.exp(-N_DATA['column_name']*0.008) 
print (rchdcayf) 
0 0.992032 
1 0.984127 
2 0.976286 
Name: column_name, dtype: float64 

Или applymath.exp, но это slowier:

rchdcayf1=(-N_DATA['column_name']*0.008).apply(math.exp) 
print (rchdcayf1) 
0 0.992032 
1 0.984127 
2 0.976286 
Name: column_name, dtype: float64 

тайминги:

len(df)=3

In [61]: %timeit (-N_DATA['column_name']*0.008).apply(math.exp) 
The slowest run took 5.46 times longer than the fastest. This could mean that an intermediate result is being cached. 
1000 loops, best of 3: 209 µs per loop 

In [62]: %timeit np.exp(-N_DATA['column_name']*0.008) 
The slowest run took 4.59 times longer than the fastest. This could mean that an intermediate result is being cached. 
10000 loops, best of 3: 168 µs per loop 

len(df)=3k:

In [64]: %timeit np.exp(-N_DATA['column_name']*0.008) 
1000 loops, best of 3: 214 µs per loop 

In [65]: %timeit (-N_DATA['column_name']*0.008).apply(math.exp) 
1000 loops, best of 3: 873 µs per loop 

Код для тайминги:

import pandas as pd 
import numpy as np 
import math 

N_DATA = pd.DataFrame({'column_name':[1,2,3]}) 
N_DATA = pd.concat([N_DATA]*1000).reset_index(drop=True) 

rchdcayf=np.exp(-N_DATA['column_name']*0.008) 
print (rchdcayf) 

rchdcayf1=(-N_DATA['column_name']*0.008).apply(math.exp) 
print (rchdcayf1)