Использование Numpy массива как если бы это были электронные таблицы — какой подход лучше?

Question

Работаю над моделированием на python, которое рассчитывает доходность портфеля акций, облигаций и/или недвижимости на протяжении определенного срока, учитывая два возможных сценария налогообложения. Модель на python основана на таблице, содержащей 18 столбцов для каждого из этих двух сценариев налогообложения, и была валидирована с её помощью. Модель предоставляет результаты для приложения Streamlit, чтобы пользователи могли рассмотреть свою ситуацию и смоделировать свои цифры. Входные данные Streamlit сохраняются в словаре, который передается в класс с моделью.

Для первой версии я использовал массив Numpy размером N X M, где N – это количество лет для моделирования (переменная ‘term’), а M – количество столбцов. Для года 0, то есть первой ‘строки’ матрицы, я вычисляю соответствующие значения. Затем, используя цикл для N – 1 лет, модель вычисляет остальные строки. Она выглядит следующим образом.


config = {'акции' : 1000000,
        'облигации' : 1000000,
        'недвижимость' : 1000000,
        'доходность_акций' : 0.062,
        'доходность_облигаций' : 0.035,
        'доходность_недвижимости' : 0.06,
        'срок' : 20
        }

class boxer:

    def __init__(self, **parameters):

        for k, v in parameters.items():
            setattr(self, k, v)

    def return_calc(self):

        matrix = np.zeros((self.term, 18), dtype=float)

        '''инициализация первой строки матрицы'''

        ## ИНВЕСТИЦИИ И ДОХОДЫ
        matrix[0][0] = self.equity        # акции
        matrix[0][1] = self.bonds         # облигации
        matrix[0][2] = self.property      # недвижимость
        matrix[0][3] = matrix[0][0] * self.equity_return    # доходность по акциям
        matrix[0][4] = matrix[0][1] * self.bonds_return     # доходность по облигациям
        matrix[0][5] = matrix[0][2] * self.property_return  # доходность по недвижимости
        ## и так далее, определяя еще 13 'столбцов'

        '''инициализация оставшейся строки матрицы'''      
        for i in range(matrix.shape[0]):

            if i > 0:

                ## ИНВЕСТИЦИИ И ДОХОДЫ
                matrix[i][0] = matrix[i-1][9]         # акции
                matrix[i][1] = matrix[i-1][10]        # облигации
                matrix[i][2] = matrix[i-1][11]        # недвижимость
                matrix[i][3] = matrix[i][0] * self.equity_return    # доходность по акциям
                matrix[i][4] = matrix[i][1] * self.bonds_return     # доходность по облигациям
                matrix[i][5] = matrix[i][2] * self.property_return  # доходность по недвижимости (чистая аренда)

        output = pd.DataFrame(matrix, columns=
                              ['Акции','Облигации','Недвижимость','Доходность_Акций','Доходность_Облигаций','Доходность_Недвижимости'])

        return output

Это работает безупречно – dataframe красиво отображается в Streamlit, а графики также очень просты – но теперь, когда я собираюсь работать над улучшенной версией 2, через неделю, я уже ломаю голову над тем, для чего были все эти столбцы. Я чувствую, что ‘злоупотребил’ массивом Numpy, чтобы создать свою модель. Есть ли у кого-то советы / отзывы о том, как лучше это сделать?

Использование Numpy массива как если бы это были электронные таблицы — какой подход лучше?

Вопрос или проблема

Ответ или решение

Подход, основанный на использовании DataFrame

1. Использование Pandas DataFrame вместо NumPy массива

2. Преимущества использования Pandas DataFrame

3. Следующие шаги

4. Заключение