我有一个多列的 Pandas 数据框。我想从行中的值和另一个列向量数据帧weighted_sum
创建一个新列weight
weighted_sum
应该具有以下值:row[weighted_sum] = row[col0]*weight[0] + row[col1]*weight[1] + row[col2]*weight[2] + ...
我找到了函数sum(axis=1)
,但是它不允许我与weight
相乘。
编辑:
我改变了一点。weight
看起来像这样:
0
col1 0.5
col2 0.3
col3 0.2
df
看起来像这样:col1 col2 col3
1.0 2.2 3.5
6.1 0.4 1.2
df*weight
返回一个充满了Nan
值的数据框。 最佳答案
问题在于,您正在将一个框架与一个具有不同行索引的不同大小的框架相乘。解决方法如下:
In [121]: df = DataFrame([[1,2.2,3.5],[6.1,0.4,1.2]], columns=list('abc'))
In [122]: weight = DataFrame(Series([0.5, 0.3, 0.2], index=list('abc'), name=0))
In [123]: df
Out[123]:
a b c
0 1.00 2.20 3.50
1 6.10 0.40 1.20
In [124]: weight
Out[124]:
0
a 0.50
b 0.30
c 0.20
In [125]: df * weight
Out[125]:
0 a b c
0 nan nan nan nan
1 nan nan nan nan
a nan nan nan nan
b nan nan nan nan
c nan nan nan nan
您可以访问以下列:
In [126]: df * weight[0]
Out[126]:
a b c
0 0.50 0.66 0.70
1 3.05 0.12 0.24
In [128]: (df * weight[0]).sum(1)
Out[128]:
0 1.86
1 3.41
dtype: float64
或使用
dot
取回另一个DataFrame
In [127]: df.dot(weight)
Out[127]:
0
0 1.86
1 3.41
整合在一起:
In [130]: df['weighted_sum'] = df.dot(weight)
In [131]: df
Out[131]:
a b c weighted_sum
0 1.00 2.20 3.50 1.86
1 6.10 0.40 1.20 3.41
这是每种方法的
timeit
,使用了更大的DataFrame
。In [145]: df = DataFrame(randn(10000000, 3), columns=list('abc'))
weight
In [146]: weight = DataFrame(Series([0.5, 0.3, 0.2], index=list('abc'), name=0))
In [147]: timeit df.dot(weight)
10 loops, best of 3: 57.5 ms per loop
In [148]: timeit (df * weight[0]).sum(1)
10 loops, best of 3: 125 ms per loop
对于广泛的
DataFrame
:In [162]: df = DataFrame(randn(10000, 1000))
In [163]: weight = DataFrame(randn(1000, 1))
In [164]: timeit df.dot(weight)
100 loops, best of 3: 5.14 ms per loop
In [165]: timeit (df * weight[0]).sum(1)
10 loops, best of 3: 41.8 ms per loop
因此,
dot
更快,更易读。注意:如果您的任何数据包含
NaN
,则不应使用dot
,而应使用乘和求和方法。 dot
无法处理NaN
,因为它只是numpy.dot()
(不处理NaN
)的薄包装。关于python - 如何计算 Pandas 中所有元素的加权总和?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/18419962/