Pandas数据的频度作为“索引”及动态扩展

Question

我正在从事一个RF项目，工作流程如下：

sweep

• Calculate定义了所需频率的start、stop、step每个frequency

• Calculate的比线阻抗Z0和频率相关的有效介电常数eef从params

• Finally中计算出散射参数S(复valued)

• Calculate，params

• Finally的幅值为H 218<代码>G 219)。

目前，我已经在for-循环中使用列表/numpy-数组来实现它。这很有效，但当我想要链接多个ABCD时，这是很难看的，而且很费劲。问题是很难调试(在上述步骤之间失去临时结果)。

我认为一个解决办法可能是使用熊猫，但我很难实现以下需求：

f

• individually

• 创建以频率为索引的数据格式(f列也可能工作)

• 展开列“动态”存储某些列的每个dtype=的结果，因为当前dtype=np.clongdouble是必需的(否则，在包含numpy-数组的后一个calculations)

• one列( abcd-matrix)

)中，div是零的。)

我已经搜索过了，但是结果并没有阐明所需的概念和方法，比如

>>> import pandas as pd
>>> start = int(100E6)
>>> stop = int(1E9)
>>> step = int(1E6)
>>> df = pd.DataFrame(index=range(start,stop+step,step),columns=["z0","eef"])
>>> df.index
RangeIndex(start=100000000, stop=1001000000, step=1000000)
>>> 

尝试访问df.index(1000)或df[1000]时引发错误。

Answer 1

为了更好地证明这一点，我们可以创建一个函数来帮助计算给定的f_start、f_stop、f_step以及函数Z0和eef中的S-params。在这里，我将考虑其中一个已经具有函数Z0和eef。

让我们调用函数calc_s (注释使它变得不言自明)

import pandas as pd

def calc_s(f_start, f_stop, f_step, Z0, eef):

    # Create a dataframe with the frequency column
    df = pd.DataFrame({'f': pd.Series(range(f_start, f_stop, f_step))})

    # Calculate Z0 and eef and add them to the dataframe
    df['Z0'] = df['f'].apply(Z0)
    df['eef'] = df['f'].apply(eef)

    # Calculate the ABCD matrix for every frequency
    df['A'] = 1
    df['B'] = 2 * df['Z0'] * df['eef']**0.5
    df['C'] = 1
    df['D'] = -2 * df['Z0'] * df['eef']**0.5

    # Calculate the scattering parameters S
    df['S11'] = (df['A'] + df['B']) / (df['A'] - df['B'])
    df['S12'] = 2 * df['C'] / (df['A'] - df['B'])
    df['S21'] = 2 * df['C'] / (df['A'] - df['B'])
    df['S22'] = (df['A'] - df['B']) / (df['A'] + df['B'])

    # Calculate the magnitude of the scattering parameters
    df['S11_mag'] = df['S11'].apply(lambda x: x.real**2 + x.imag**2)**0.5
    df['S12_mag'] = df['S12'].apply(lambda x: x.real**2 + x.imag**2)**0.5
    df['S21_mag'] = df['S21'].apply(lambda x: x.real**2 + x.imag**2)**0.5
    df['S22_mag'] = df['S22'].apply(lambda x: x.real**2 + x.imag**2)**0.5

    return df

请注意，如果需要，一个cal总是调整计算，或者将其更改为您可能希望/需要的其他计算，不管是移除、添加、添加、.

现在，让我们用一些虚拟数据测试上面的函数

f_start = 1
f_stop = 100
f_step = 1
Z0 = lambda f: 50 # This is a dummy function that returns 50 for every f
eef = lambda f: 1 # This is a dummy function that returns 1 for every f
df = calc_s(f_start, f_stop, f_step, Z0, eef)

[Out]:
   f  Z0  eef  A      B  ...       S22   S11_mag   S12_mag   S21_mag   S22_mag
0  1  50    1  1  100.0  ... -0.980198  1.020202  0.020202  0.020202  0.980198
1  2  50    1  1  100.0  ... -0.980198  1.020202  0.020202  0.020202  0.980198
2  3  50    1  1  100.0  ... -0.980198  1.020202  0.020202  0.020202  0.980198
3  4  50    1  1  100.0  ... -0.980198  1.020202  0.020202  0.020202  0.980198
4  5  50    1  1  100.0  ... -0.980198  1.020202  0.020202  0.020202  0.980198

[5 rows x 15 columns]